PhoWhisper-large

越南语自动语音识别模型PhoWhisper

Github 机器学习开源项目越南语模型 Huggingface Whisper PhoWhisper 语音识别

PhoWhisper是一个基于多语言Whisper模型开发的越南语语音识别系统，提供五个不同版本。该模型通过844小时的多方言越南语数据集训练，适用于越南语音转文字、字幕生成等应用场景。在越南语ASR基准测试中表现优异，项目论文已被ICLR 2024收录。

distil-medium.en - 高效快速的英语语音识别模型

Distil-WhisperGithubHuggingfaceTransformers开源项目推理加速模型模型压缩语音识别

Distil-Whisper是OpenAI Whisper模型的压缩版，专为英语语音识别优化。该模型速度提升6倍，体积减少49%，性能仅下降1% WER。通过教师-学生蒸馏法在22,000小时多样化音频数据上训练，可直接替代Whisper用于短长音频转录，支持流式处理。

whisper-vits-svc - 基于VITS的端到端歌声转换开源项目

AIGithubPyTorchVITS开源项目深度学习语音转换

whisper-vits-svc是一个开源的端到端歌声转换项目,基于VITS模型架构。该项目支持多说话人转换,可混合创建新音色,并能处理带轻伴奏的声音。它集成了Whisper、BigVGAN等技术,提高了抗噪性和音质。项目面向深度学习入门者,需要Python和PyTorch基础。目前不支持实时转换,训练需要至少6GB显存。

distil-large-v3 - 经过蒸馏的快速轻量级语音识别模型

Distil-WhisperGithubHuggingfacetransformers开源项目模型模型压缩自然语言处理语音识别

distil-large-v3是一个经过知识蒸馏的语音识别模型,模型大小比Whisper large-v3减少44%,推理速度提升6.3倍,同时保持相近的识别准确率。支持短语音和长语音转录,兼容多种主流语音识别框架,为用户提供快速、轻量且准确的语音识别功能。

visobert - 专注于越南社交媒体文本的语言模型

GithubHuggingfaceSpam检测ViSoBERT仇恨言论检测开源项目情感分析模型越南社交媒体

ViSoBERT 是一款针对越南社交媒体文本的语言模型，采用了 XLM-R 架构进行单语预训练，在情感识别、仇恨言论检测等领域表现优异。通过高质量、多样性文本训练，实现了对现有模型的超越，并仅限于研究用途。

WhisperLive - 基于OpenAI Whisper模型开发的实时音频转写应用

GithubOpenAI WhisperTensorRTWhisperLive多语言模型实时语音识别开源项目

WhisperLive是基于OpenAI Whisper模型开发的实时音频转写应用，能高效地将直播或预录音频转换成文本。支持多语言和自定义设置，适用于个人、教育及商业场景。项目还提供Docker部署，简化安装和服务部署过程。

whisper-asr-webservice - 基于Whisper的开源语音识别Web服务

DockerGPU支持GithubWhisper ASR开源项目语音识别

whisper-asr-webservice是一个开源的语音识别Web服务，基于OpenAI Whisper模型。它支持OpenAI Whisper和Faster Whisper引擎，提供多语言语音识别、翻译和语言识别功能。项目提供Docker镜像，支持CPU和GPU部署。这个服务具有高性能和易用性，适合各种语音识别应用场景。

faster-distil-whisper-large-v2 - 通过CTranslate2实现的高效音频转录转换方案

CTranslate2GithubHuggingfaceWhisper开源项目模型模型转换自动语音识别量化

此项目将distil-whisper/distil-large-v2模型转换为CTranslate2格式，适用于CTranslate2项目如faster-whisper，并支持FP16计算，增强了自动语音识别的性能和效率。

whisper-diarization - 基于OpenAI Whisper的音频转录和说话人分离工具

GithubOpenAI WhisperSpeaker Diarization开源项目语音识别说话人分类音频处理

whisper-diarization项目整合了OpenAI Whisper的语音识别技术和先进的说话人分离方法。该工具首先进行人声提取，然后利用Whisper生成转录文本，并通过WhisperX优化时间戳。结合MarbleNet和TitaNet等技术，它能够准确识别多个说话人，最终输出包含说话人标识的精确转录结果。这一开源解决方案特别适合需要处理多人对话音频的场景，为音频转录和分析提供了强大支持。

whisper-timestamped - 多语言语音识别工具，支持单词时间戳和置信度评分

GithubOpenAIwhisper-timestamped信心评分开源项目时间戳语音识别

whisper-timestamped 是一个增强型多语言语音识别工具，基于 OpenAI 的 Whisper 模型，通过动态时间规整(DTW)技术预测单词时间戳，并附带置信度评分。该扩展兼容所有 Whisper 版本，优化内存使用，适用于处理长音频文件。此外，还支持在运行 Whisper 模型前进行语音活动检测(VAD)，有效降低训练数据中的误差。whisper-timestamped 可提高识别准确度，尤其适用于包含语音卡顿或填充词的情景。

faster-whisper-base - OpenAI Whisper模型在CTranslate2格式下的应用

CTranslate2GithubHuggingfaceWhisper开源项目模型模型转换自然语言处理语音识别

本项目将OpenAI Whisper base模型转换为CTranslate2格式，支持多语种语音识别。适用于CTranslate2及其衍生项目如faster-whisper，并提供Python代码示例展示音频转录过程。模型采用FP16格式，可灵活调整计算类型。项目详细说明了转换过程，为开发者提供了便捷的语音识别工具。

推荐项目

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。

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。

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。

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。

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。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com