Open ASR Leaderboard 新增首个全球南方语言：印地语与印度英语评测集
Voice Arena 与 Hugging Face 合作，在 Open ASR Leaderboard 上新增 Monsoon en-IN 和 Monsoon hi-IN 两个评测集，印地语成为该多语言标签页上的首个印度语言。
推荐理由：公开 ASR 榜单首次纳入印地语与印度英语，并公开说话人元数据与格参考，可用于判断语音模型的地域偏差。
评测与基准
全部主题按评测与基准浏览相关 AIGC 创作资讯，保留原始出处、阶段与证据。
6条精选
最新精选
第 1–6 条 · 共 6 条Hugging Face Blog精选AI 评分6262
Replicate · 模型与制作实践精选AI 评分6868 Replicate 对多款图像编辑模型的对比评测：如何选择合适模型
Replicate 对多款图像编辑模型进行了对象移除、视角转换、背景编辑、文字编辑和风格迁移测试，并比较了价格与推理时间。
推荐理由：这份按对象移除、视角转换、背景编辑、文字编辑和风格迁移展开的对比，可为图像编辑模型的任务选型提供具体参照。
Replicate · 模型与制作实践精选AI 评分6262 Replicate 实测四款图像模型：单张参考图生成一致角色谁更强
Replicate 对比了截至 2025 年 7 月可用于单张参考图生成一致角色的四款模型：OpenAI gpt-image-1、Runway Gen-4 Image、Black Forest Labs FLUX.1 Kontext 和字节 SeedEdit 3，并补充了之后发布的 Ideogram Character 与 Gen-4 Image Turbo。
推荐理由：作者用同一参考图横向实测四款图像模型，给出角色一致性与风格化任务的选型建议和失败边界。
Replicate · 模型与制作实践精选AI 评分6969 WAN2.1 14b 文生视频模型参数扫描：guide scale 与 shift 如何影响画面
Replicate 对 Alibaba 的 WAN2.1 14b 文生视频模型进行参数扫描，测试 720p 输出中 guide scale 与 shift 对生成效果的影响。
推荐理由：这组参数扫描把 guide scale 与 shift 对 WAN2.1 14b 720p 视频输出的影响拆开，提供可复用的调参区间和观察依据。
ByteDance Seed · 音频与多模态交互精选AI 评分7373 豆包实时语音大模型上线并全量开放，端到端语音对话支持随时打断
豆包实时语音大模型正式推出，并在豆包 APP 全量开放，升级至 7.2.0 版本即可体验。该模型是语音理解与生成一体化的端到端语音系统，相比传统 ASR+LLM+TTS 级联模式，具备低时延、对话中可随时打断、情绪承接和语音指令控制等特性，主要面向中文语境，可进行英语对话但暂不支持多语种。
推荐理由：官方给出端到端语音架构、众测维度与满意度对比，可用于判断实时语音交互的落地程度与能力边界。
Replicate · 模型与制作实践精选AI 评分6666 AI 视频正迎来自己的 Stable Diffusion 时刻
Replicate 作者 fofr 认为，Sora 让外界看到视频模型的可能性却无法使用，如今一批质量接近 Sora 的模型已经可用，AI 视频正经历类似 Stable Diffusion 的爆发。
推荐理由：梳理了 Sora 之后一批视频模型的 ELO、速度、时长与开源情况，便于按质量、成本和可微调性做选型比较。