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
股价一夜暴涨近80%
超电实验室 2024-12-31
重建当中
游戏新知 2024-12-31
特斯拉的下一个利润增长“引擎”在哪？
美股研究社 2024-12-31
DeepSeek降低成本的理念与方法值得其他AI公司学习。
雷科技 2024-12-31
绝大多数家办所有者本身拥有创业背景，仅有5%的家办由继承人拥有。
家办新智点 2024-12-31
利好出台，不等于直线上涨
凤凰网科技 2024-12-31
2025年继续战斗吧
竞核 2024-12-31
衍生系列打响第一枪。
猎云网 2024-12-31
向流量倾斜容易，成为雷军却很难。
凤凰网汽车 2024-12-31
“别家降价，肯德基涨价。”
餐观局 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
