在音频技术飞速发展的今天，如何对音频模型进行有效评测已成为研究者们的重要课题。近日，清华大学 NLP 实验室、OpenBMB 与面壁智能联合推出了 UltraEval-Audio，这是一个专为音频模型设计的全新测评框架。该框架不仅为音频大模型的评测奠定了系统化的基础，还以开箱即用的形式，为研究人员提供了一站式的解决方案。

UltraEval-Audio 的最新版本 v1.1.0，基于之前的一键测评功能，进一步增强了其在音频模型领域的应用能力。新版本增加了对热门音频模型的一键复现功能，同时扩展了对语音合成（TTS）、自动语音识别(ASR)和编解码器(Codec)等专业模型的支持。此外，新增的隔离推理运行机制大大降低了模型复现的门槛，提升了评测流程的可控性和可迁移性。这些改进使得 UltraEval-Audio 成为研究者们不可或缺的工具，助力音频模型的研发效率显著提升。

作为多个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地位日益显著。此次开源发布，标志着音频模型评测的标准化和高效化迈出了重要一步，研究者们能够更方便地进行模型对比和性能评估，从而推动整个音频技术的进步。

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