FunAudioLLM이 개발한 다국어 음성 이해 파운데이션 모델로, 자동 음성 인식(ASR), 음성 언어 식별(LID), 음성 감정 인식(SER), 오디오 이벤트 감지(AED) 기능을 통합 제공합니다. 40만 시간 이상의 데이터로 학습되어 50개 이상의 언어를 지원하며, 중국어와 광둥어에서 Whisper를 능가하는 성능을 보입니다. 비자기회귀(non-autoregressive) 아키텍처를 채택하여 Whisper-Large 대비 최대 15배 빠른 추론 속도를 자랑합니다. 박수, 웃음, 기침 등 오디오 이벤트도 감지할 수 있어 음성 비서, 미디어 분석, 콜센터 자동화 등 다양한 응용 분야에 활용됩니다.