模型详情
模型介绍
中文整理Step-Audio-Tokenizer
Model use case
Step-Audio-Tokenizer是Step-Audio LLM的语音tokenizer组件。Step-Audio LLM是业界首个1300亿参数的类人统一端到端模型，集成了多模态语音理解和生成能力。
主要能力
该模型支持以下核心能力：语音理解、语音生成、歌声合成、工具使用、角色扮演、多语言及方言的理解与合成。
输入输出
语言token化：使用Paraformer编码器的输出，量化为离散表示，token率为16.7 Hz。
语义token化：采用CosyVoice的tokenizer，专门设计用于高效编码生成自然且富有表现力的语音所需特征，token率为25 Hz。
基本用法
本仓库提供Step-Audio LLM的语音tokenizer组件。
限制
原文未提供相关限制信息。
许可证
原文未提供许可证相关信息。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境
运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。