Baichuan-Audio

Baichuan-Audio 是百川智能开源的端到端语音交互基座模型，由 Baichuan-Audio Tokenizer、Audio LLM 与基于 flow-matching 的 Audio Decoder 三部分组成，支持高质量、可控的中英双语实时对话。文章介绍其架构、两阶段预训练策略、交错数据构建方法，并开源 OpenAudioBench 评测集。