Project Icon

PhoWhisper-large

越南语自动语音识别模型PhoWhisper

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。

ultravox-v0_3 - 集成语音和文本输入的多模态AI模型
GithubHuggingfaceLlamaUltravoxWhisper多模态模型开源项目模型语音识别
Ultravox-v0_3是Fixie.ai开发的多模态语音大语言模型,结合Llama3.1-8B-Instruct和Whisper-small技术。该模型可同时处理语音和文本输入,适用于语音助手、翻译和分析等场景。通过知识蒸馏方法,仅训练多模态适配器,保持基础模型不变。Ultravox在语音识别和翻译任务中展现出优秀性能,为语音交互应用提供了新的可能性。
vietnamese-sbert - 基于SBERT的越南语句子相似度与语义分析模型
GithubHuggingfacesentence-transformers向量嵌入开源项目模型自然语言处理语义相似度越南语
基于sentence-transformers框架开发的越南语NLP模型,通过RoBERTa架构将文本映射至768维向量空间。支持句子相似度计算、语义搜索及文本聚类功能,可通过sentence-transformers和HuggingFace进行快速部署。该模型经过专门优化,为越南语自然语言处理任务提供精确的语义表示。
whisper-large-v3-turbo - 乌兹别克语语音识别模型的高性能解决方案
Common VoiceGithubHuggingfaceWhisper乌兹别克语开源项目模型模型微调语音识别
Whisper Large v3 Turbo是一个针对乌兹别克语优化的语音识别模型,基于OpenAI的Whisper大型模型微调而来。该模型在Common Voice 16.1数据集上训练,在测试集达到28.26%的词错误率,展现了良好的识别能力。模型使用Adam优化器和线性学习率策略,经过1万步训练。这一模型为乌兹别克语自动语音识别应用提供了有效工具。
kotoba-whisper-v2.1 - 日语语音识别模型优化版:提升精度和功能
GithubHugging FaceHuggingfaceKotoba-Whisper开源项目日语模型自然语言处理语音识别
Kotoba-Whisper-v2.1是一款基于Whisper的日语语音识别模型。该模型通过集成额外的后处理功能,如添加标点符号,提高了识别准确度。在多个日语语音数据集上,其表现超越了原版Whisper模型。模型支持使用Transformers库进行推理,并可选用Flash Attention 2等技术优化性能。
faster-whisper-small.en - 基于CTranslate2的Whisper小型英语音频转写模型
CTranslate2GithubHuggingfaceWhisperfaster-whisper开源项目模型模型转换自动语音识别
本项目是openai/whisper-small.en模型的CTranslate2格式转换版本,专门用于英语音频转写。它可在CTranslate2或相关项目(如faster-whisper)中使用,通过简单的Python代码实现音频到文本的转换。模型权重采用FP16格式,支持加载时调整计算类型。这一转换模型旨在提供高效、准确的音频转写功能,适用于各种需要快速处理英语音频内容的应用场景。
whisper - 跨平台音频转文本开源项目
FFMPEGGithubWhisperWhisper.cppopen source开源项目音频转文字
Whisper是OpenAI开发的开源项目,使用whisper.cpp和FFMPEG将音频转换为WAV格式并提取文本。项目支持客户端和服务器端运行,无需互联网。目前代码和文档正在优化,接受捐赠以支持持续更新。适用于Android、Linux、Windows、iOS和macOS系统,安装和使用便捷,提供详尽文档和丰富资源。
wav2vec2-large-lv60 - 深度学习实现高性能语音识别 仅需少量标记数据
GithubHuggingfaceWav2Vec2开源项目模型深度学习语音识别语音预训练音频处理
Wav2Vec2是Facebook开发的语音预训练模型,通过无监督学习从原始音频中提取语音特征。该模型在大规模未标注数据上预训练后,能够以极少量的标注数据实现高性能语音识别。在LibriSpeech测试集上,全量标注数据训练可达1.8/3.3词错率;仅用1小时标注数据即超过先前100小时数据的最佳结果;10分钟标注数据也能实现4.8/8.2词错率。Wav2Vec2为低资源环境下的高质量语音识别提供了新的可能性。
whisper-website - 通过Whisper模型实现本地语音转文字
DockerGithubWhisper开源项目本地部署虚拟环境语音转文字
本页面介绍了如何通过Whisper模型将语音转换为文字,包括在本地环境和Docker中的部署方法。提供克隆项目代码、配置虚拟环境或Docker镜像的详细步骤,帮助用户快速启动和测试Whisper模型在本地的运行效果。
whisper.rn - React Native环境中的Whisper自动语音识别模型的高性能实现
GithubReact Nativewhisper.cppwhisper.rn开源项目自动语音识别音频转录
whisper.rn是React Native环境中OpenAI的Whisper自动语音识别模型的高性能实现,支持iOS和Android平台,具备实时转录功能,并集成Core ML和NDK优化。项目提供详细的安装与使用指南及实用技巧,适合在移动应用中集成语音识别功能。
StarWhisper - 语言、时序与多模态框架
GithubStarWhisper人工智能司天工程大模型天文学开源项目
StarWhisper项目由国家天文台人工智能工作组支持,涵盖语言模型、时序模型和多模态模型。通过改进训练方法,该项目提升了天文物理、代码与Agent能力,并发布了基于大模型的光变曲线数据处理方法。项目还实现了多模态多任务框架与望远镜控制系统的对接,探索了多模态在天文学领域的应用可能。
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

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

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

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。

Project Cover

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。

Project Cover

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。

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