全新音频评测利器 UltraEval-Audio 发布，音频模型研发更高效！

随着音频技术迅猛进步，如何高效评测音频模型已成为研究者关注的焦点。近日，清华大学 NLP 实验室、OpenBMB 与面壁智能联合推出 UltraEval-Audio，这是一套专为音频模型打造的全新测评框架。该框架不仅为音频大模型评估建立了系统化基础，还以开箱即用的方式，为研究人员提供一站式解决方案。

UltraEval-Audio 的最新版本 v1.1.0，在原有一键评测基础上，进一步强化其在音频模型领域的应用能力。新版本加入热门音频模型的一键复现能力，并拓展对语音合成（TTS）、自动语音识别（ASR）和编解码器（Codec）等专业模型的支持。同时，新增的隔离推理运行机制显著降低模型复现门槛，提升评测流程的可控性与可迁移性。这些升级让 UltraEval-Audio 成为研究者的高效工具，显著提升音频模型研发效率。

作为众多高影响力音频及全模态模型的首选评测工具，UltraEval-Audio 在音频模型研究领域的影响力持续提升。本次开源发布，标志着音频模型评测向标准化与高效化迈出重要一步。研究者能够更轻松地进行模型对比与性能评估，进一步推动整体音频技术的发展。

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