在音頻技術飛速發展的今天，如何對音頻模型進行有效評測已成爲研究者們的重要課題。近日，清華大學 NLP 實驗室、OpenBMB 與面壁智能聯合推出了 UltraEval-Audio，這是一個專爲音頻模型設計的全新測評框架。該框架不僅爲音頻大模型的評測奠定了系統化的基礎，還以開箱即用的形式，爲研究人員提供了一站式的解決方案。

image.png

UltraEval-Audio 的最新版本 v1.1.0，基於之前的一鍵測評功能，進一步增強了其在音頻模型領域的應用能力。新版本增加了對熱門音頻模型的一鍵復現功能，同時擴展了對語音合成（TTS）、自動語音識別(ASR)和編解碼器(Codec)等專業模型的支持。此外，新增的隔離推理運行機制大大降低了模型復現的門檻，提升了評測流程的可控性和可遷移性。這些改進使得 UltraEval-Audio 成爲研究者們不可或缺的工具，助力音頻模型的研發效率顯著提升。

作爲多個高影響力音頻及全模態模型的首選評測工具，UltraEval-Audio 在音頻模型研究領域的地位日益顯著。此次開源發佈，標誌着音頻模型評測的標準化和高效化邁出了重要一步，研究者們能夠更方便地進行模型對比和性能評估，從而推動整個音頻技術的進步。

項目地址：https://github.com/OpenBMB/UltraEval-Audio/tree/main/replication