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
十大A股公司获股东增持超10亿元。
读数一帜 2024-12-31
你抢到回家车票了吗？
36氪的朋友们 2024-12-31
硬件实力提升，洗牌竞争加剧
财经天下官方账号 2024-12-31
情绪价值，永远都是实际价值不够时的替代品，牢记这一点。
张良计 2024-12-31
字节教育业务以新形式“重生”。
多知网 2024-12-31
荒谬而真实
首席商业评论 2024-12-31
港交所将迎来一个重磅IPO。
融资中国 2024-12-31
生存法则
巨潮 WAVE 2024-12-31
展望2025政策趋势
中指研究院 2024-12-31
12月30日，英伟达表示在克服一系列监管阻力之后，已完成对以色列 AI 初创公司 Run:ai 的收购，并宣布了开源同名 AI 平台的计划。
AI前线 2024-12-31
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
