openai-whisper是流行的语音识别解决方案，支持数十种语言，对中文支持效果也不错，不过在使用低于large尺寸的模型时，效果仍是略差。相比而言，国内阿里系专注于中文识别的模型效果就好了不少。...【查看原文】
君不言语音识别技术则已，言则必称Whisper，没错，OpenAi开源的Whisper确实是世界主流语音识别技术的魁首，但在中文领域，有一个足以和Whisper相颉顽的项目，那就是阿里达摩院自研的
WhisperOpenAI
刘悦的技术博客 2024-01-10
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
WhisperGitHubOpenAI
CiiLIi西里网 2023-06-09
GPT-4的语音对话功能前段时间在网上火了一把，许多人被其强大的自然语言处理能力和流畅的语音交互所吸引。现在，让我们来看看如何使用类似的技术，即基于百度的ERNIE-Bot，来打造自己的语音对话功能。
GPT-4百度
AI小匠 2024-05-14
前言 前段时间测试一下OpenAI的语音识别模型 当时发现效率很低，今天发现阿里有一个专注的语音识别大模型FunAsr 看介绍Funasr的中文识别能力应该比Whisper更强大： Funasr的模型
OpenAIWhisper
土圭垚墝 2024-05-29
功能实时语音转文字、实时翻译（需麦克风权限）导入音频、视频文件（mp3、wav、m4a、ogg、mp4、webm、ogm），导出逐句字幕或逐词字幕（导出格式：TXT、SRT、VTT）转录和翻译音频离线在您的个人计算机。由OpenAI的Whisper提供动力。可以简单理解为QT的前端界面，python语言构建服务端，使用Whisper语言模型进行计算语音转文字的软件。痛点在于离线，缺点也很明显，模型较大，高质量模型运算依赖于硬件和算法优化应用场景学习，歌曲提取歌词，视频提取字幕，多媒体信息前置数据提取相较于
mayoの自留地 2023-10-20
3年时间，华为持股价值已增13.32倍。
直通IPO 2024-12-25
想上线一个ChatBI，都需要关注什么？
甲子光年 2024-12-25
翻车网红们的挣扎与淘汰
科技旋涡 2024-12-25
山姆，中产的下一个体育乐园？
体育产业生态圈 2024-12-25
12月24日，美团发文称，近日，多个社交平台上“外卖骑手身着‘点男模’等字样的工服送单”的图片、视频被广泛传播，引发社会关注。
天天财经116 2024-12-25
中国广告协会数字光影技术创新实验室落成
未来城不落 2024-12-25
进入前装市场的重要信号
徐蔡钰 2024-12-25
3A游戏热潮激发顶级设备需求，手机摄影热度增长。
世研大消费指数 2024-12-25
自动驾驶赛道的创业者及代表企业
IT桔子 2024-12-25
浪来时，要跟着跳起来。
于丽丽 2024-12-25
Copyright © 2026 aigcdaily.cn 北京智识时代科技有限公司 版权所有 京ICP备2023006237号-1
