-
FunASR – 阿里开源的多功能语音识别工具包
FunASR项目简介 FunASR是由阿里巴巴达摩院开源的语音识别工具包，提供包括语音识别（ASR）、语音活动检测（VAD）、标点恢复、语言模型、说话人验证、说话人分离及多说话人ASR等多种功能。FunASR工具包支持工业级语音识别模型的训练和微调，旨在帮助研究人员和开发者更高效地进行语音识别模型的研究和生产，推动语音识别技术的发展。FunASR基于提供预训练模型和易于使用的接口，使用户快速部署语…- 1
- 0
-
通义推出CoGenAV多模态语音表征模型 可实现音画同步感知
近日，通义大模型发布CoGenAV，以音画同步理念创新语音识别技术，有效解决语音识别中噪声干扰的难题。 传统语音识别在噪声环境下表现欠佳，CoGenAV则另辟蹊径，通过学习audio-visual-text之间的时序对齐关系，构建出更鲁棒、更通用的语音表征框架，系统性提升语音识别任务（VSR/AVSR）、语音重建任务(AVSS/AVSE)以及语音同步任务(ASD)等多个Speech-Centric…- 0
- 0