SenseVoice publica como código abierto un repositorio de modelos de comprensión de voz con ASR, reconocimiento de emociones y detección de eventos de audio
Título original:QwenAudio/SenseVoice
Resumen de IA
SenseVoice es un modelo fundacional de comprensión de voz que admite ASR, identificación de idioma, reconocimiento de emociones en la voz y detección de eventos de audio. El checkpoint SenseVoiceSmall publicado admite mandarín, cantonés, inglés, japonés y coreano, y emite etiquetas de emoción y de eventos; emplea una arquitectura no autorregresiva de extremo a extremo y, con un número de parámetros similar, su inferencia es más de 5 veces más rápida que Whisper-Small y más de 15 veces más rápida que Whisper-Large.
Puntos clave
- SenseVoice es un modelo fundacional de comprensión de voz que admite ASR,identificación de…
- El checkpoint SenseVoiceSmall publicado admite mandarín,cantonés,inglés,japonés y coreano,y emite…
- emplea una arquitectura no autorregresiva de extremo a extremo y,con un número de parámetros…
Resumen rápido
- Publicado
- Actualizado
- Fuente
- 通义 QwenAudio:原创语音项目
- Categoría
- Productos y aplicaciones
- Puntuación IA
- 61
官方仓库文档同时给出基准对比、部署路径和微调方案,读者可以据此评估 SenseVoice 在中英文语音识别场景的可用性。
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: SenseVoice publica como código abierto un repositorio de modelos de comprensión de voz con ASR, reconocimiento de emociones y detección de eventos de audio. 3. julio 2024. https://new.nat6.net/es/news/cmtyq8s6102v3roup5qwf5ciz/