使用 Transformers 为多语种语音识别任务微调 Whisper 模型

作者：HuggingFace发布时间：2023-06-27

使用 🤗 Transformers 为多语种语音识别任务微调 Whisper 模型本文提供了一个使用 Hugging Face 🤗 Transformers 在任意多语种语音识别 (ASR) 数据集...【查看原文】

相关资讯

语音识别上难度讯飞输入法免切换识别多语种多方言不迷糊！

近日，科大讯飞在北京发布讯飞星火大模型V4.0及相关落地应用。讯飞星火V4.0七大核心能力全面提升，整体超越GPT-4 Turbo，在8个国际主流测试集中排名第一，国内大模型全面领先。同时，本次星火语音大模型再升级，发布国际领先的多语种多方言免切换语音识别能力。讯飞输入法现场演示了方言外语免切换语音输入，大大提升用户的输入效率。 [图片] 刘庆峰认为，语音将成为万物互联时代人机交互的主要方式，人机交互最重要的场景是远场、噪声、多人说话、多语言，因此万物互联时代的AIUI（人工智能用户界面）要满足远场高噪声

科大讯飞 GPT-4 人工智能

潮流科技发烧友 2024-07-01

公司问答 | 传音控股：公司在人工智能语音识别和视觉感知、多语种AI语音助手、AI场景识别技术等方向有布局

有投资者在互动平台向传音控股提问：贵司在人工智能方面有哪些布局？传音控股回应：公司在人工智能语音识别和视觉感知、多语种AI语音助手、AI场景识别技术等方向有布局。(格隆汇)

人工智能 AI音频融资

2023-05-08

使用OpenAI的Whisper 模型进行语音识别

点击上方“Deephub Imba”,关注公众号,好文章不错过 !语音识别是人工智能中的一个领域，它允许计算机理解人类语音并将其转换为文本。该技术用于 Alexa 和各种聊天机器人应用程序等设备。而我们最常见的就是语音转录，语音转录可以语音转换为文字记录或字幕。wav2vec2、Conformer 和 Hubert 等最先进模型的最新发展极大地推...

OpenAI 人工智能 Whisper

deephub 2023-01-28

Whisper 语音识别模型

Whisper 是一种通用的语音识别模型。它是在包含各种音频的大型数据集上训练的，也是一个可以执行多语言语音识别、语音翻译和语言识别的多任务模型。开源项目地址：https://github.com/openai/whisperWhisper 语音识别模型Transformer 序列到序列模型针对各种语音处理任务进行训练，包括多语言语音识别、语音翻译、口语识别和语音活动检测。这些任务共同表示为由解码器预测的一系列标记，允许单个模型取代传统语音处理管道的多个阶段。多任务训练格式使用一组特殊标记作为任务说明符或

Whisper GitHub OpenAI

CiiLIi西里网 2023-06-09

通义千问开源1100亿参数大模型，支持多语种训练

据头部财经了解，通义千问宣布开源了其1100亿参数模型Qwen1.5-110B，这一举动立即引发了业界的广泛关注。通义千问1100亿参数模型延续了Qwen1.5系列的Transformer解码器架构

通义千问

大力财经 2024-04-29

近期资讯

不是哥们🤡，滚动动画你还需要用库和JavaScript😱？两行CSS实现，颠覆你的认知

作为前端工作人员，滚动动画大家再也熟悉不过。不过很多前端工程师对于这块的实现是头疼的。这里我准备了iphone16官网来作为例子，https://www.apple.com/iphone-16-p

Embrace 2024-12-28

.NET 五个优秀依赖注入框架大盘点

在平时开发中，依赖注入（Dependency Injection, DI）已经成为构建模块化、可测试和易于维护应用程序的关键技术之一。

小码编匠 2024-12-28

快速实现一个标准的NFT合约（实操篇）

前言同质化代币和非同质化代币程序层面的区别 ERC20:mapping(address=>uint)//地址指向余额 ERC721:mapping(uint=>address)//id指向地址开发

木西 2024-12-28

【Next.js】001-项目初始化

【Next.js】001-项目初始化 [toc] 一、前言首先，让我们学会创建一个 Next.js 项目！Next.js 提供了开箱即用的 create-next-app脚手架，内置支持 TypeS

訾博ZiBo 2024-12-28

深入浅出 MySQL 数据库关键知识点与高可用方案

在当今数字化时代，数据已成为企业发展和决策的核心资产。而 MySQL 作为一款广泛使用的开源关系型数据库管理系统，在数据存储、管理和处理方面发挥着至关重要的作用。无论是小型创业公司还是大型企业，深入理

快起来别睡了 2024-12-28

高效搭建Nacos：实现微服务的服务注册与配置中心

Nacos（Dynamic Naming and Configuration Service）是阿里巴巴开源的一款动态服务发现、配置管理和服务管理平台。它旨在帮助开发者更轻松地构建、部署和管理分布式系

M1A1 2024-12-28

面试官：如何使用 babel 进行项目优化

简介 Babel 是一个广泛使用的 JavaScript 编译器，Babel 是一个强大的 JavaScript 编译器，主要用于将现代 JavaScript 代码转换为向后兼容的版本，并支持其他语言

Dcc 2024-12-28

支付相关—支付宝小程序非同一主体下多商户进行收款

官方文档的描述小程序非同一主体下的商家进行收款普通小程序由于没有授权回调地址，无法完成第三方授权。需要完成以上需求，目前有三种方案

我要成为Java糕手 2024-12-28

分析上位机通信难题：复杂性与应对策略

在工业自动化和物联网（IoT）领域，上位机通信一直被认为是开发过程中的一大难点。上位机通信扮演着至关重要的角色。

小码编匠 2024-12-28

java并发系列-ConcurrentHashMap 底层原理（一）

这篇文章，我打算从以下几个方面来讲。 1）多线程下的 HashMap 有什么问题？ 2）怎样保证线程安全，为什么选用 ConcurrentHashMap？ 3）ConcurrentHashMap 1.

舞动灵魂 2024-12-28

使用 Transformers 为多语种语音识别任务微调 Whisper 模型

推荐体验

相关资讯

语音识别上难度讯飞输入法免切换识别多语种多方言不迷糊！

公司问答 | 传音控股：公司在人工智能语音识别和视觉感知、多语种AI语音助手、AI场景识别技术等方向有布局

使用OpenAI的Whisper 模型进行语音识别

Whisper 语音识别模型

通义千问开源1100亿参数大模型，支持多语种训练

近期资讯

不是哥们🤡，滚动动画你还需要用库和JavaScript😱？两行CSS实现，颠覆你的认知

.NET 五个优秀依赖注入框架大盘点

快速实现一个标准的NFT合约（实操篇）

【Next.js】001-项目初始化

深入浅出 MySQL 数据库关键知识点与高可用方案

高效搭建Nacos：实现微服务的服务注册与配置中心

面试官：如何使用 babel 进行项目优化

支付相关—支付宝小程序非同一主体下多商户进行收款

分析上位机通信难题：复杂性与应对策略

java并发系列-ConcurrentHashMap 底层原理（一）

推荐体验

AIGC重要产品

AI对话：类ChatGPT产品体验

好用的AI绘画工具

火热的AIGC产品

AIGC近期要闻

大公司发布的大模型产品都有哪些？

政府对AIGC的扶持政策

AIGC对就业的影响：我们会失业吗？

AIGC产业影响

AIGC对内容创作的影响

AIGC对绘画设计领域的影响

AIGC对各行各业的影响