Modelscope-FunASR是一个开源的语音识别框架
Modelscope-FunASR是一个开源的语音识别框架,它支持多种模型的训练和推理。要使用其他模型,你可以按照以下步骤操作: 选择一个模型:首先,你需要选择一个你想要使用的模型。这个模型应该是一个语音识别模型,并且应该支持PyTorch或者TensorFlow框架。你可以从各种开源库中找到这样的...
直接开源!达摩院公布下一代工业级语音识别模型
今天,阿里巴巴达摩院发布新一代语音识别模型Paraformer,这是业界首个应用落地的非自回归端到端语音识别模型,在推理效率上最高可较传统模型提升10倍,且识别准确率在多个权威数据集上名列第一。目前,该模型于魔搭社区面向全社会开源,适用语音输入法、智能客服、车载导航、会议纪要等众多场景。01 下一代...
开源|业界首个应用落地的非自回归端到端语音识别模型,推理效率可提升10倍
近期,阿里巴巴达摩院发布新一代语音识别模型Paraformer,这是业界首个应用落地的非自回归端到端语音识别模型,在推理效率上最高可较传统模型提升10倍,且识别准确率在多个权威数据集上名列第一。目前,该模型于魔搭社区面向全社会开源,适用语音输入法、智能客服、车载导航、会议纪要等众多场景。01下一代语...
直接开源!下一代“杀手锏”语音识别模型
新一代语音识别模型Paraformer,为业界首个应用落地的非自回归端到端语音识别模型,在推理效率上最高可较传统模型提升10倍,且识别准确率在多个权威数据集上名列第一。目前,该模型于魔搭平台面向全社会开源,适用语音输入法、智能客服、车载导航、会议纪要等众多场景。 语音作为最自然的交流途径, ...
阿里开源新一代自研语音识别模型DFSMN,准确率达96.04%
近日,阿里巴巴达摩院机器智能实验室推出了新一代语音识别模型DFSMN,将全球语音识别准确率纪录提高至96.04%(这一数据测试基于世界最大的免费语音识别数据库LibriSpeech)。 开源地址:https://github.com/tramphero/kaldi达摩院机器智能实验室的语音识别团队主...
Facebook 开源首个全卷积语音识别工具包 wav2letter++
雷锋网 AI 科技评论按:近日,Facebook 人工智能研究院 ( FAIR ) 宣布开源首个全卷积语音识别工具包 wav2letter++。系统基于全卷积方法进行语音识别,训练语音识别端到端神经网络的速度是其他框架的 2 倍多。他们在博客中对此次开源进行了详细介绍。 由于端到端语音识别技术能够轻...
阿里巴巴开源语音识别声学建模技术
编者按:本文作者阿里巴巴机器智能技术实验室高级算法工程师张仕良。文章介绍了阿里巴巴的语音识别声学建模新技术: 前馈序列记忆神经网络(DFSMN),目前基于DFSMN的语音识别系统已经在法庭庭审识别、智能客服、视频审核和实时字幕转写、声纹验证、物联网等多个场景成功应用。本次,我们开源了基于Kaldi语...
横评:五款免费开源的语音识别工具
作为 SVDS 研究团队的成员,我们会经常接触各种不同的语音识别技术,也差不多见证了语音识别技术近几年的发展。直到几年之前,最先进的语音技术方案大多都是以语音为基础的(phonetic-based),包括发音模型(Pronunciation models),声学模型(Acoustic Modelli...
微软已在GitHub上开源深度学习工具包:助推语音识别发展
为了加速人工智能和语音识别项目的发展,微软研究人员特地开发出了一款用于深度神经网络和多GPU加速处理技术的工具包。不过现在,该公司更进一步地开源了“计算网络工具包”(Computational Networks Toolkit,简称CNTK)、并且将完整内容放到了GitHub上。微软称CNTK要比其...
本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。
产品推荐
社区圈子