SenseVoice open source na speech understanding model repository: sumusuporta sa ASR, emotion recognition at audio event detection
Orihinal na pamagat:QwenAudio/SenseVoice
AI summary
Ang SenseVoice ay isang foundational model ng speech understanding na sumusuporta sa ASR, language identification, speech emotion recognition at audio event detection. Ang inilabas na SenseVoiceSmall checkpoint ay sumusuporta sa Mandarin, Cantonese, Ingles, Hapon at Koreano, at naglalabas ng emotion at event labels; gumagamit ito ng non-autoregressive end-to-end architecture, at sa parehong antas ng parameter count ay mahigit 5 beses na mas mabilis ang inference kaysa Whisper-Small at mahigit 15 beses kaysa Whisper-Large.
Mahahalagang impormasyon
- Ang SenseVoice ay isang foundational model ng speech understanding na sumusuporta sa ASR,language…
- Ang inilabas na SenseVoiceSmall checkpoint ay sumusuporta sa Mandarin,Cantonese,Ingles,Hapon at…
- gumagamit ito ng non-autoregressive end-to-end architecture,at sa parehong antas ng parameter…
Mabilisang tingin
- Na-publish noong
- Na-update noong
- Pinagmulan
- 通义 QwenAudio:原创语音项目
- Kategorya
- Mga produkto at aplikasyon
- AI na marka
- 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。
Pinagmulan at copyright
Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.
Paano banggitin
Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.
Orange News: SenseVoice open source na speech understanding model repository: sumusuporta sa ASR, emotion recognition at audio event detection. 3 Hulyo 2024. https://new.nat6.net/fil/news/cmtyq8s6102v3roup5qwf5ciz/