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

王传福：比亚迪一大半高管是从应届生培养起来的

快科技12月30日消息，比亚迪举办30亿教育慈善基金启动仪式。会上，比亚迪董事长王传福表示，1994年，我拉起一个20人的团队，创办了比亚迪。初创团队中，有我在中南大学的同班同学杨龙忠，还有

2024-12-30

AI文献阅读ChatDOC 、ChatPDF 哪个好？

从表格里可以看到ChatDOC与ChatPDF都是基于GPT的产品，但在功能上ChatDOC还是比ChatPDF功能强大的多

栈江湖 2024-12-29

比亚迪王传福：读上中南大学冶金物理化学专业是一生的幸运

快科技12月30日消息，据媒体综合报道，今天上午，比亚迪正式启动其规模达30亿的教育慈善基金。启动仪式上，比亚迪股份有限公司董事长兼总裁王传福登台，首先介绍了自己的求学路，并且对自己的

2024-12-30

自学记录鸿蒙 API 13：骨骼点检测应用Core Vision Skeleton Detection

骨骼点检测技术是一项强大的AI能力，能够从图片中识别出人体的关键骨骼点位置，如头部、肩部、手肘等。这些信息在人体姿态分析、动作捕捉、健身指导等场景中有着广泛应用。

李游Leo 2024-12-29

中国空间站首次公开！181个项目、数据超300TB

12月30日，中国载人航天官方发布了《中国空间站科学研究与应用进展报告》（2024年），这也是中国空间站首次公布此类报告。2022年12月31日，中国空间站全面建成！这标志着我国已成功构起极具

2024-12-30

比亚迪夏MPV形象代言人身份揭秘：“硬汉”张涵予

快科技12月30日消息，近日比亚迪宣布，品牌旗下中大型智能旗舰MPV比亚迪夏的形象代言人即将亮相。比亚迪透露，代言人的海报关键词包括技艺精湛、沉稳、硬朗、铁汉柔情、实力派影帝、戏路宽广、

2024-12-30

微软开源神器MarkItDown：一键转换任意文件为Markdown的自动化工具

在人工智能和机器学习快速发展的今天，Markdown作为一种轻量级标记语言，正变得越来越重要。它以其简单、清晰和可扩展的特性，成为了文档管理、内容呈现和LLM（大语言模型）辅助工作的首选格式。

几米哥 2024-12-29

十年还未完善Windows深色模式！微软被痛批

快科技12月30日消息，自2016年微软为Windows 10引入深色模式切换功能以来，用户一直期待系统界面能够实现全面的深色主题。然而将近十年过去了，Windows的深色模式依旧存在诸多缺陷。Windows

2024-12-30

钻石巨头：今年是钻石销售最糟一年库存达顶峰

快科技12月30日消息，据报道，全球最大钻石生产商戴比尔斯集团钻石库存处于2008年金融危机以来的最高水平，价值大约在20亿美元。戴比尔斯集团首席执行官阿尔·库克（Al Cook）表示：&ld

2024-12-30

设计Element UI表单组件居然如此简单！

## 0 前言上文讲解了Jest框架对组件库测试，TypeScript和Jest都为代码质量和研发效率。之前实现Container和Button组件以渲染功能为主，可根据不同属性渲染不同样式去实

JavaEdge在掘金 2024-12-29

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

王传福：比亚迪一大半高管是从应届生培养起来的

AI文献阅读ChatDOC 、ChatPDF 哪个好？

比亚迪王传福：读上中南大学冶金物理化学专业是一生的幸运

自学记录鸿蒙 API 13：骨骼点检测应用Core Vision Skeleton Detection

中国空间站首次公开！181个项目、数据超300TB

比亚迪夏MPV形象代言人身份揭秘：“硬汉”张涵予

微软开源神器MarkItDown：一键转换任意文件为Markdown的自动化工具

十年还未完善Windows深色模式！微软被痛批

钻石巨头：今年是钻石销售最糟一年库存达顶峰

设计Element UI表单组件居然如此简单！

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