Project Icon

stt_en_conformer_transducer_xlarge

Conformer-Transducer模型的超大规模语音识别能力

Conformer-Transducer超大模型拥有600M参数,专为英语自动语音识别设计,以较低的字错误率(WER)脱颖而出。通过NVIDIA NeMo工具包训练,涵盖LibriSpeech、Mozilla Common Voice等多个数据集。模型支持Python调用,具备细化调优和批量处理功能,适合多种语音识别应用。虽然暂未兼容NVIDIA Riva,但其在英语语音处理方面表现卓越。

distil-whisper - 快速高效的音频转录模型
Distil-WhisperGithub开源项目机器学习模型压缩自然语言处理语音识别
Distil-Whisper是OpenAI Whisper模型的蒸馏版本,速度提升6倍,模型规模缩小49%,同时保持了相近的准确性。该项目支持短语音和长语音转录,提供多个针对英语语音识别的高效模型。Distil-Whisper还可作为Whisper的辅助模型实现推测解码,在保证输出一致性的同时将速度提升2倍。
nb-whisper-large-beta - 挪威国家图书馆开发的多语言语音识别模型NB-Whisper
GithubHuggingfaceNB-Whisper人工智能开源项目挪威语机器学习模型语音识别
NB-Whisper是挪威国家图书馆开发的自动语音识别和语音翻译模型系列。基于OpenAI的Whisper架构,使用20,000小时标注数据训练,支持挪威语、挪威博克马尔语、挪威尼诺斯克语和英语。该模型能将口语转换为语法正确的书面语句,目前处于公开测试阶段,提供从tiny到large共5种规模可供选择。NB-Whisper在挪威语语音识别领域达到了最先进水平,但仍存在幻觉和丢失部分转录内容的问题。
awesome-large-audio-models - 音频AI模型前沿进展与资源汇总
Github大型音频模型开源项目语音合成语音识别跨模态AI音乐生成
本项目汇总了音频AI领域的精选资源,涵盖语音识别、合成、翻译等多个方向的前沿进展。定期更新最新论文和开源实现,为研究者和开发者提供全面了解音频AI发展的平台。内容包括主流大型音频模型、各应用领域技术及大规模数据集,是音频AI研究的重要参考资料。
wav2vec2-large-xlsr-53-german - 优化德语自动语音识别的开源模型
Common VoiceGithubHuggingfaceWav2Vec2开源项目德语模型深度学习语音识别
本项目利用wav2vec2-large-xlsr-53-german模型对德语Common Voice数据集进行自动语音识别,得到WER为18.5%的结果。项目采用Torchaudio和Transformers库,并使用Resample进行音频预处理。该模型在语音转文字应用中具有广泛的研究价值。
faster-whisper-base.en - 基于CTranslate2的Whisper英语语音识别模型
CTranslate2GithubHuggingfaceWhisperfaster-whisper开源项目模型模型转换语音识别
faster-whisper-base.en是OpenAI Whisper base.en模型的CTranslate2格式转换版本,专为英语语音识别优化。该模型利用CTranslate2框架提高处理速度,支持FP16量化以适应不同计算环境。开发者可通过faster-whisper等项目简单实现音频转录,为语音识别应用提供高效解决方案。模型采用MIT许可证,便于在各类项目中应用。该模型特别适用于需要实时处理或资源受限的环境,如移动设备或边缘计算设备上的语音识别应用。相比原始Whisper模型,faster-whisper-base.en在保持识别准确度的同时,显著提高了处理速度和资源利用效率。
wav2vec2-lv-60-espeak-cv-ft - 利用微调的wav2vec2模型提升多语言语音和语素识别能力
GithubHuggingfaceWav2Vec2开源项目模型自主学习自动语音识别语音识别跨语言
wav2vec2-large-lv60模型经过多语言Common Voice数据集微调,实现跨语言语音与语素识别。模型在16kHz采样率的语音输入下输出语素标签,需使用语素到单词的映射字典进行转换。该方法在未见语言的转录中表现优异,超过以往单一语言模型的效果。
x-transformers - 轻量级Transformer模型,支持完整的编解码器配置和最新研究成果,适合各种从图像分类到语言模型的应用
Githubtransformerx-transformers开源项目模型训练编码器编解码器
x-transformers提供了多功能的Transformer模型,支持完整的编解码器配置和最新研究成果,适合各种应用,从图像分类到语言模型。其先进技术如闪存注意力和持久内存,有助于提高模型的效率和性能。此项目是研究人员和开发者的理想选择,用于探索和优化机器学习任务中的Transformer技术。
FasterTransformer - 基于NVIDIA平台的高性能Transformer编解码器实现与调优
BERTFasterTransformerGPTGithubNVIDIATensorRT-LLM开源项目
FasterTransformer不仅支持多框架集成,还针对NVIDIA新一代GPU优化了编解码性能,极大提升了操作效率和处理速度。包含模型支持、性能对比及API演示的详细文档,有助于用户深入了解并有效使用FasterTransformer。
xlnet-large-cased - 基于排列语言建模的先进NLP工具
GithubHuggingfaceTransformer-XLXLNet开源项目机器学习模型自然语言处理预训练模型
XLNet大型模型是一种基于英语数据预训练的先进自然语言处理工具。该模型采用新颖的广义排列语言建模方法,结合Transformer-XL架构,在处理长文本上下文时展现出卓越性能。XLNet在问答、自然语言推理、情感分析及文档排序等多项任务中均取得了领先成果。这一模型主要用于下游任务的微调,尤其适合需要分析完整句子的序列分类、标记分类或问答等应用场景。
xlm-roberta-longformer-base-4096 - 支持超长序列处理的多语言Transformer模型
GithubHuggingfaceWikiText-103XLM-R Longformer低资源语言开源项目模型长序列处理问答任务
该项目结合XLM-R与Longformer模型,提升了对多达4096个标记的处理能力,以提高低资源语言的处理效果。模型在WikiText-103语料库上进行预训练,适用于多语言问答任务。推荐使用NVIDIA Apex和大容量GPU以确保模型性能和效率。项目由Peltarion完成,提供相关代码和训练脚本供开发者参考。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号