Research

完全オフラインで動作するオープンソースのクロスプラットフォームモバイル音声翻訳アプリ。オンデバイスASR（SenseVoice）、ニューラル機械翻訳、TTSをiOS/Androidで実現

英日双方向音声翻訳モデルのベンチマーク比較。Qwen3-ASR（1.7Bパラメータ、最高品質）とDistilled Whisper（756M、4倍高速）をOpenAI Whisper large-v3およびMeta SeamlessM4T v2と比較評価。

Kokoro、Piper、Matcha、Kitten、VITSを含むAndroid/iOS向け18のオンデバイスTTSモデルの総合ベンチマーク

Android、iOS、macOS、Windowsにおける16のオンデバイス音声認識モデルと9つの推論エンジンの総合ベンチマーク

VoicePingがカスタマイズしたWhisper V2モデルを活用し、単一WebSocketストリーム内で自動・低遅延の言語切替を実現するバイリンガルモードをどのように設計したか。

NeMo MSDDとPyannote 3.1を6つの実運用シナリオで比較評価した技術レポートです。