标签
本文提出了Kraken，一个基于LLM的语音到语音翻译模型，采用低比特率向量量化和双路径源条件，以提高翻译质量并保留说话人韵律，基于Qwen3-8B构建。
Amphion 是一个开源的音频、音乐和语音生成工具包，提供模型可视化、声码器和评估指标，以支持可复现的研究。