delayed-streams-modeling

该项目实现了基于延迟流建模（Delayed Streams Modeling, DSM）框架的语音识别（STT）与语音合成（TTS）模型，支持实时流式处理与低延迟推理。核心特性包括：支持多语言（英/法）及单语STT模型、提供词级时间戳、内置语义语音活动检测（VAD）、跨平台实现（PyTorch/Rust/MLX），兼顾研究灵活性与生产部署效率。适用于实时语音交互系统、语音助手、会议转录、端侧语音应用等对低延迟和流式处理有要求的场景。