SenseVoice เปิดโอเพนซอร์สคลังโมเดลเข้าใจเสียงพูด รองรับ ASR การรู้จำอารมณ์ และการตรวจจับเหตุการณ์เสียง
หัวข้อต้นฉบับ:QwenAudio/SenseVoice
สรุปโดย AI
SenseVoice เป็นโมเดลพื้นฐานสำหรับเข้าใจเสียงพูด รองรับ ASR การระบุภาษา การรู้จำอารมณ์จากเสียง และการตรวจจับเหตุการณ์เสียง เช็กพอยต์ SenseVoiceSmall ที่เผยแพร่รองรับภาษาจีนกลาง กวางตุ้ง อังกฤษ ญี่ปุ่น และเกาหลี พร้อมแสดงป้ายกำกับอารมณ์และเหตุการณ์ ใช้สถาปัตยกรรมแบบ non-autoregressive end-to-end ที่ขนาดพารามิเตอร์ใกล้เคียงกันมีความเร็วในการอนุมานมากกว่า Whisper-Small 5 เท่า และมากกว่า Whisper-Large 15 เท่า
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- 通义 QwenAudio:原创语音项目
- หมวดหมู่
- ผลิตภัณฑ์และแอป
- คะแนน AI
- 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。
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: SenseVoice เปิดโอเพนซอร์สคลังโมเดลเข้าใจเสียงพูด รองรับ ASR การรู้จำอารมณ์ และการตรวจจับเหตุการณ์เสียง 3 กรกฎาคม 2024 https://new.nat6.net/th/news/cmtyq8s6102v3roup5qwf5ciz/