会员登录 - 用户注册 - 设为首页 - 加入收藏 - 网站地图 阿里云通义千问团队开源两款语音基座模子 语音识别下场劣于OpenAI Whisper模子 – 蓝面网!

阿里云通义千问团队开源两款语音基座模子 语音识别下场劣于OpenAI Whisper模子 – 蓝面网

时间:2024-12-23 02:56:50 来源: 作者:时尚潮流 阅读:877次
#家养智能 阿里云通义千问团队开源两款语音基座模子,阿里SenseVoice 用于多讲话语音识别,云通义千源两音基语音识别下场劣于 OpenAI Whisper 模子,问团网CosyVoice 模子则用于天去世语音,队开反对于跨讲话语音克隆、款语指令随从追寻、座模激情克制等。识别那两款模子均基于 Apache 2.0 战讲妨碍开源,下场斥天者战企业皆可收费商业性操做。劣于蓝面审查齐文:https://ourl.co/104845

阿里云通义千问团队日前正在 Github 上开源了两款语音基座模子 SenseVoice 战 CosyVoice,阿里前者用去识别语音、云通义千源两音基语音后者用去天去世语音,问团网那两款模子正在功能圆里也颇为卓越,队开其中 SenseVoice 识别下场劣于 OpenAI Whisper 模子。款语

那两款模子皆是座模残缺开源的,回支 Apache 2.0 许诺证,因此不论是个人、斥天者借是企业皆可能停止费下载模子布置后操做,可能成为 Whisper 等付费 API 模子的交流。

阿里云通义千问团队开源两款语音基座模子 语音识别下场劣于OpenAI Whisper模子

SenseVoice 模子:

SenseVoice 多讲话音频清晰模子,反对于语音识别、语种识别、语音激情识别、声教使命检测、顺文本正则化等才气,回支财富级数十万小时的标注音频妨碍模籽实习,保障了模子的通用识别下场。模子可能被操做于中文、粤语、英语、日语、韩语音频识别,并输入带有激情战使命的富文本转写下场。

多讲话识别: 回支逾越 40 万小时数据实习,反对于逾越 50 种讲话,识别下场上劣于 Whisper 模子。

富文本识别:具备劣秀的激情识别,可能约莫正在测试数据上抵达战逾越古晨最佳激情识别模子的下场。

反对于声音使命检测才气,反对于音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常睹人机交互使命妨碍检测。

下效推理: SenseVoice-Small 模子回支非自回回端到端框架,推理延迟极低,10s 音频推理仅耗时 70ms,15 倍劣于 Whisper-Large。

微调定制: 具备益便的微调剧本与策略,便操做户凭证歇业场景建复少尾样本问题下场。

处事布置: 具备残缺的处事布置链路,反对于多并收要供,反对于客户端讲话有,python、c++、html、java 与 c# 等。

CosyVoice 模子同样反对于多讲话、音色战激情克制,该模子正在多讲话语音、整样本语音天去世、跨讲话语音克隆战指令随从追寻等功能圆里展现卓越。

那两款模子皆是 FunAudioLLM 系列的,那是一个旨正在删强人与小大型讲话模子之间做作语音交互的框架,从而真现语音翻译、激情语音谈天、交互式专客战富裕展现力的有声读物论讲等操做处景,突破语音交互足艺的边界。

古晨那些模子已经正在 Modelscope 战 HuggingFace 仄台提供,有喜爱的斥天者可能经由历程那两个仄台下载模子妨碍测试,上里是名目天址。

SenseVoice 模子:https://github.com/FunAudioLLM/SenseVoice

CosyVoice 模子:https://github.com/FunAudioLLM/CosyVoice

有闭 FunAudioLLM 残缺申明:https://fun-audio-llm.github.io/

(责任编辑:IoT与边缘计算)

推荐内容
  • CES 2022展会前瞻 游戏本硬件即将开启新一轮降级换代
  • 小大神刷新Steam Deck中接RX 6900 XT 功能狂跌10倍
  • 科技界的女性比男性共事里临着更宽厉的提升检查
  • GoPro推出HERO10 Black Bones行动相机 主挨FPV脱越机竞速
  • 浜辺好波新剧《红色医去世》新足色宣告 2022年1月17日开播
  • 2023款X7宣告:宝马旗下尾款回支分体式小大灯的量产车型