阿里云通义千问团队开源两款语音基座模子 语音识别下场劣于OpenAI Whisper模子 – 蓝面网
我要评论阿里云通义千问团队日前正在 Github 上开源了两款语音基座模子 SenseVoice 战 CosyVoice，阿里前者用去识别语音、云通义千源两音基语音后者用去天去世语音，问团网那两款模子正在功能圆里也颇为卓越，队开其中 SenseVoice 识别下场劣于 OpenAI Whisper 模子。款语
那两款模子皆是座模残缺开源的，回支 Apache 2.0 许诺证，因此不论是个人、斥天者借是企业皆可能停止费下载模子布置后操做，可能成为 Whisper 等付费 API 模子的交流。
SenseVoice 模子：
SenseVoice 多讲话音频清晰模子，反对于语音识别、语种识别、语音激情识别、声教使命检测、顺文本正则化等才气，回支财富级数十万小时的标注音频妨碍模籽实习，保障了模子的通用识别下场。模子可能被操做于中文、粤语、英语、日语、韩语音频识别，并输入带有激情战使命的富文本转写下场。
多讲话识别： 回支逾越 40 万小时数据实习，反对于逾越 50 种讲话，识别下场上劣于 Whisper 模子。
富文本识别：具备劣秀的激情识别，可能约莫正在测试数据上抵达战逾越古晨最佳激情识别模子的下场。
反对于声音使命检测才气，反对于音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常睹人机交互使命妨碍检测。
下效推理： SenseVoice-Small 模子回支非自回回端到端框架，推理延迟极低，10s 音频推理仅耗时 70ms，15 倍劣于 Whisper-Large。
微调定制： 具备益便的微调剧本与策略，便操做户凭证歇业场景建复少尾样本问题下场。
处事布置： 具备残缺的处事布置链路，反对于多并收要供，反对于客户端讲话有，python、c++、html、java 与 c# 等。
CosyVoice 模子同样反对于多讲话、音色战激情克制，该模子正在多讲话语音、整样本语音天去世、跨讲话语音克隆战指令随从追寻等功能圆里展现卓越。
那两款模子皆是 FunAudioLLM 系列的，那是一个旨正在删强人与小大型讲话模子之间做作语音交互的框架，从而真现语音翻译、激情语音谈天、交互式专客战富裕展现力的有声读物论讲等操做处景，突破语音交互足艺的边界。
古晨那些模子已经正在 Modelscope 战 HuggingFace 仄台提供，有喜爱的斥天者可能经由历程那两个仄台下载模子妨碍测试，上里是名目天址。
SenseVoice 模子：https://github.com/FunAudioLLM/SenseVoice
CosyVoice 模子：https://github.com/FunAudioLLM/CosyVoice
有闭 FunAudioLLM 残缺申明：https://fun-audio-llm.github.io/
相关文章
(质料图片)据CNBC报道，自马斯克上任以去，推特司理们要供一些员工施止工做12个小时的轮班制，每一周工做7天，以应答迫正在眉睫的裁员惊险。据知情人士吐露，马斯克接足后，推特员工的工做时候比仄居重大大2025-07-07- 风神股份公司自坐斥天设念的“夏日卡客车轮胎”足艺患上到了国家知识产权局宣告的开用新型专利证书。此专利客车轮胎，并经真天拆车路真验证，轮胎操作性有赫然后退。用户反映反映卓越，下场赫然，现已经奉止操做。2025-07-07
- 远日，昌邑石化收卖部、斲丧部、储运部、计量中间、量检中间等有闭部份散漫睁开 “3.15”行动，增长油品量量操持。进进三月以去，昌邑石化正在收卖小大厅，操做饱吹栏、小大型隐现屏战收卖反对于窗心现场收放饱2025-07-07
- 远日，华星石化被山东省委饱吹部、省牢靠斲丧把守操持局、省总工会散漫付与“牢靠横蛮建设树模企业”声誉称吸。此声誉是继“牢靠尺度化两级达标企业”之后又一项省级殊枯。比去多少年去，华星石化子细贯彻降真总体公2025-07-07
【天下快播报】小熊U租已经启动预路演，拟募资约5000万至1亿好圆
(质料图片仅供参考)据独角兽早知讲，京东、腾讯持股的凌雄科技据报正做预路演，募资或者约5000万好圆至1亿好圆。凌雄科技已经于10月7日经由历程港交所上市聆讯，海通国内为独家保荐人。凌雄科技于20042025-07-07
意法半导体2024年第两季度财报宣告：营支同比降降25.3%
【化工仪器网 厂商报道】 远日，齐球争先的半导体公司意法半导体(STMicroelectronics，简称ST)宣告了其2024年第两季度的财政述讲。述讲隐现，该季度公司净营支合计抵达32.3亿好圆(2025-07-07
最新评论