Meta重磅开源7B-Spirit LM，一个可以保留情感的音频大模型

Meta开源7B参数的Spirit LM，整合语音与文本模态，支持自由转换并保留情感和风格表达，覆盖ASR、TTS等多模态任务；模型采用交错训练策略和多元化标记，表达版额外加入音高与风格Token，显著增强语音生成的情感和自然表现力；实验显示Spirit LM在语音到文本、文本到语音任务中表现优异，尤其在情感表达建模和跨模态对齐能力上潜力巨大。