全新音频评测框架 UltraEval-Audio 发布，助推音频模型研发！

随着音频技术加速迭代，如何高效、准确地评测音频模型已成为研究者关注的重点。近日，清华大学 NLP 实验室、OpenBMB 与面壁智能联合发布 UltraEval-Audio——一个面向音频模型的全新测评框架。该框架不仅为音频大模型评测搭建了系统化基础，还以开箱即用的形态，为研究人员提供便捷的一站式解决方案。

UltraEval-Audio 的最新版本 v1.1.0 在原有“一键测评”的能力上进一步升级，显著强化了其在音频模型场景中的适用性。新版本新增热门音频模型的一键复现，同时扩展对语音合成（TTS）、自动语音识别（ASR）以及编解码器（Codec）等专业方向的支持。除此之外，引入的隔离式推理运行机制有效降低了模型复现难度，提升了评测流程的可控性与可迁移性。上述升级让 UltraEval-Audio 更加易用，显著提升研究者的研发与评测效率。

作为众多高影响力音频与全模态模型的首选评测工具，UltraEval-Audio 在音频模型研究领域的作用愈发突出。本次开源发布，标志着音频模型评测向标准化、效率化迈出关键一步，研究者能够更便捷地开展模型对比与性能评估，从而推动整体音频技术进步。

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