项目介绍

Voila 是一系列全新的大型语音语言基础模型，旨在将人机交互体验提升到全新高度。Voila 突破了传统语音 AI 系统的限制——高延迟、语音细节缺失和机械响应——采用创新的端到端模型设计和新颖的分层 Transformer 架构。这种方法可实现实时、自主且丰富的语音交互，延迟低至 195 毫秒，超越人类的平均响应时间。Voila 结合先进的语音和语言建模，提供可定制的个性化互动体验，并在从自动语音识别 (ASR)、文本合成 (TTS) 到六种语言的语音翻译等一系列音频任务中表现出色。

项目地址：https://github.com/maitrix-org/Voila

快速开始

1 安装与配置

# 1. 克隆项目仓库
git clone https://github.com/maitrix-org/Voila.git
cd Voila

# 3. 安装项目依赖
pip install -r requirements.txt

# 4. 验证安装
python -c "import torch; print('PyTorch version:', torch.__version__)"

2 模型下载与准备

Voila提供多个预训练模型供不同场景使用：

• maitrix-org/Voila-audio-alpha：音频优化版本
• maitrix-org/Voila-base：基础版本
• maitrix-org/Voila-chat：对话优化版本
• maitrix-org/Voila-autonomous-preview：自主交互预览版

模型会在首次运行时自动下载，或可手动预下载：

# 预下载模型（可选）
python -c "from transformers import AutoModel; AutoModel.from_pretrained('maitrix-org/Voila-base')"

3 快速体验

方式一：Gradio Web界面（推荐）

# 启动Web界面
python gradio_demo.py

启动后访问 http://外部IP:7860 开始体验！