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。

LiveWhisper - 基于Whisper模型的实时语音转录和语音助手

GithubLiveWhisperWhisper开源项目录音转录语音命令助手语音激活

LiveWhisper项目利用OpenAI的Whisper模型，通过sounddevice库采集声音，实现句子到句子的实时语音转录。该项目可以在一定条件下替代SpeechRecognition工具。它还包括一个语音命令助手，类似于Siri和Alexa，能够执行多种语音命令，如查询天气、时间、讲笑话及执行Wikipedia搜索等。适用于技术爱好者和开发人员，帮助实现高效的语音交互系统。

whisper_streaming - 基于Whisper的实时语音转录和翻译开源系统

GithubWhisper多语言实时转录开源项目流式处理语音识别

whisper_streaming是基于Whisper模型的实时语音转录和翻译系统。该项目采用本地协议和自适应延迟实现流式转录,在长篇未分段语音测试中实现高质量转录,延迟仅3.3秒。系统提供多种后端选择,支持GPU加速,适用于多语言会议实时转录。项目还提供灵活API,便于开发者集成到不同应用场景。

bert-base-vietnamese-uncased - 增强越南语文本分析的BERT语言模型

BERTGithubHuggingfacetrituenhantao.io开源项目模型筛选分类越南语

该BERT模型专为越南语的新闻和维基百科数据而设计，适用于序列分类任务。用户可以通过Python代码轻松导入和使用，提升文本分析和自然语言处理的效率。由trituenhantao.io团队于2020年发布在GitHub，用户可以轻松访问到详细的文档和支持。此模型为自然语言处理和机器学习研究者及开发者提供了强大可靠的工具。

vinai-translate-en2vi-v2 - VinAI开发的越南语-英语双向神经机器翻译系统

GithubHuggingfaceVinAI Translate开源项目机器翻译模型自然语言处理英语越南语

VinAI开发的越南语-英语双向神经机器翻译系统，提供了两个预训练模型，分别用于越南语到英语和英语到越南语的翻译。系统采用神经网络架构，致力于提高翻译质量。研究人员可通过引用相关论文了解更多技术细节和实验结果。该项目为跨语言交流和自然语言处理研究提供了有价值的资源。

WhisperFusion - WhisperFusion 低延迟高性能的实时AI语音交互系统

GPU加速GithubTensorRT优化WhisperFusion大语言模型实时语音转文字开源项目

WhisperFusion是一个开源项目，结合WhisperLive和WhisperSpeech技术，集成Mistral大语言模型，实现实时语音转文本和智能对话。项目采用TensorRT引擎优化模型性能，使用torch.compile加速处理，在RTX 4090 GPU上实现低延迟对话。通过Docker Compose简化部署，方便开发者快速搭建AI语音交互系统。

docker-whisperX - 优化Docker镜像的WhisperX语音识别与转录解决方案

DockerGPU支持GithubWhisperX开源项目模型构建语音识别

docker-whisperX项目优化了WhisperX语音识别工具的Docker镜像构建流程。该项目实现了175个10GB大小Docker镜像的并行构建，提供多种预构建镜像和自定义选项，支持不同语言和模型。用户可通过GPU加速，获得包含逐字时间戳和说话人分离的高质量语音转文字结果。

RuntimeSpeechRecognizer - 基于OpenAI的Whisper的语音识别项目

GithubOpenAI's WhisperRuntime Speech RecognizerUnreal Engine开源项目语音识别高性能

RuntimeSpeechRecognizer是一个高效的语音识别项目，基于OpenAI的Whisper技术，提供快速且准确的识别。支持英语和多语言（多达100种语言），提供从75 MB到2.9 GB多种模型尺寸。自动下载语言模型，支持将识别的语音翻译成英语，特性可定制，无需静态库或外部依赖，兼容多个平台（Windows、Mac、Linux、Android、iOS等）。

WhisperKit - Swift语音识别框架实现Apple设备本地推理

Apple设备CoreMLGithubSwiftWhisperKit开源项目语音识别

WhisperKit是一个集成OpenAI Whisper模型和Apple CoreML框架的Swift语音识别包。该框架支持Apple设备上的本地推理，具有自动选择适用模型、自定义模型部署等功能。WhisperKit提供音频转录API和命令行工具，便于开发者使用和测试。作为开源项目，WhisperKit欢迎社区贡献，不断优化其性能和功能。

PhoRanker - 先进的越南语文本排序模型

GithubHuggingfacePhoRankertransformers开源项目文本排序模型自然语言处理跨编码器

PhoRanker是一款专门针对越南语文本排序的交叉编码器模型。在MS MMarco Passage Reranking - Vi - Dev数据集上，该模型在NDCG@10和MRR@10等重要指标方面表现优异。PhoRanker兼容sentence-transformers和transformers库，提供了便捷的使用方法和预处理步骤。模型不仅性能卓越，还能保持每秒处理15个文档的高效率。对于需要进行越南语文本排序的应用场景，PhoRanker是一个值得考虑的选择。

wav2vec2-large-xlsr-53-chinese-zh-cn - 中文自动语音识别模型提供广泛应用支持

Common VoiceGithubHuggingSoundHuggingfaceXLSR Wav2Vec2开源项目模型语音识别语音转录

该模型基于Common Voice、CSS10和ST-CMDS数据集，对facebook的wav2vec2-large-xlsr-53进行了微调，以实现中文自动语音识别。模型能够处理16kHz采样率的语音输入，可通过HuggingSound库直接进行语音转录或使用定制推理脚本。评估结果显示，模型在Common Voice测试数据集上WER为82.37%，CER为19.03%。感谢OVHcloud提供的GPU支持，该模型适用于医药、教育等领域语音数据处理。

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