# AI 开源模型分享最强语音识别和说话人分离模型 Reverb 推出最强开源语音识别 (ASR) 和说话人分离 (Diarization) 模型, 评测结果击败 OpenAI 推出的 Whisper large-v3！ # Reverb ASR 模型 - 使用 20 万小时的人工转录数据训练 - 达到了最新的词错误率 (WER) 水平 - 支持可定制的逐字转录 #

分享一个链接

发表一篇文章

任何有趣的，图片，热点新闻，视频，文字...

4553 位用户此时在线

24小时点击排行 Top 10：

Watta

俄羅斯女兵都衝鋒了

这个晃动效果很传神啊让我想起了一位“老英雄” 🤓🤓🤓

东北19万到650万房子分别长啥样

用雷军演讲的方式卖新疆蜜薯。网友震惊：“这要不卖到100一斤，我都不答应。”

Palestine in one Photo.

昂撒衰退到这个地步了吗

10月21日，一位江苏网友在观看纪录片《沉默的农药》后称“心情久久不能平静”。身为程序员的他自制了一款名为“归家”的App，面向台湾民众和台军，号称可用于“投诚登记”。视频显示，用户可在App中实名登记“回归祖国”的意愿，其中台北市登记人数达28,456人，为最多地区。

死鐘全會的五星紅旗為什麼沒有五星了？

10月18日，一名网约车司机在行车途中与乘客闲聊，不久后便接到滴滴救援中心来电，对方提醒他“抓好方向盘，不要与乘客闲聊”。

厕纸牛排的原始出处👇

匿名者64成功黑进了复旦，北邮等9所高校论坛！

中共是世界上唯一一個保護奴才和宮女文化傳承的超級大國。

10月21日，安徽省宿州市，宿州职业技术学院有学生反映，学校自来水疑似遭到污染，并上传了相关视频作为佐证。22日，校方总务处工作人员回应称，情况系因近期更换供水源，导致管道内的泥沙和锈渍被冲出所致。目前供水已恢复正常，水质不存在问题。

數千名愛爾蘭民眾湧上都柏林「城西酒店」外的街道。據稱，昨天一名伊斯蘭教移民，在這家酒店強姦了一名 10 歲的愛爾蘭女孩。愛爾蘭人確實受夠了。

我像个不知所措的避孕套

律师支招，男性如何防范一夜情后被告强奸。

网友投稿：10月19日，广东深圳，网约车司机搭载一未成年女孩，疑似未将该女孩送到目的地就强行要她下车，引发纠纷。视频中女孩哭声凄惨称没将自己送到地方，司机则气焰嚣张的说导航导的就是这里，并强迫小女孩下车。

10月21日，知名网红夫妇“亮亮丽君”最新进展：他们起诉开发商退房退款的烂尾楼纠纷，一审宣判败诉，法院驳回其全部诉求。亮亮表示：“一审输了，还有二审，我们不会放弃，将上诉到底。”

匿名投稿：九三大阅兵后，全国各地幼儿园正广泛要求对幼儿进行统一抽血体检 #将来要接班啊

现在的游戏平台已经把家长逼疯了，家长拿平台没办法，拿自己的娃没办法，只有狂扇自己耳光…

被習近平脫掉貧困外衣的山東人，本來幫助他們的錢，被拿去山東建立了一個非洲，那裏叫作山東大學。

3个月的鸡大家不敢吃，3个月的汽车那是真香啊!

buer 你谁？？？

克里姆林宫说：在普京的领导下，进行了一次预定的战略核力量演习。

本站自动实时分享网络热点
24小时实时更新
所有言论不代表本站态度
欢迎对信息踊跃评论评分
评分越高，信息越新，排列越靠前

2

1

0

# AI 开源模型分享
最强语音识别和说话人分离模型
Reverb 推出最强开源语音识别 (ASR) 和说话人分离 (Diarization) 模型, 评测结果击败 OpenAI 推出的 Whisper large-v3！
# Reverb ASR 模型
- 使用 20 万小时的人工转录数据训练
- 达到了最新的词错误率 (WER) 水平
- 支持可定制的逐字转录
#
时政
( twitter.com )

1年前由 meng shao 提交

# AI 开源模型分享
最强语音识别和说话人分离模型

Reverb @rev 推出最强开源语音识别 (ASR) 和说话人分离 (Diarization) 模型, 评测结果击败 OpenAI 推出的 Whisper large-v3！

# Reverb ASR 模型
- 使用 20 万小时的人工转录数据训练
- 达到了最新的词错误率 (WER) 水平
- 支持可定制的逐字转录

# 模型架构
- 采用 CTC/attention 架构
- 包含 18层 conformer 和 6 层 transformer
- 约 6 亿参数
- 具有控制逐字输出的特定语言层

# 推理能力
- 支持多种解码模式: CTC、attention 和联合 CTC/attention 解码
- 生产环境就绪, 包括 WFST 束搜索、单字语言模型和 attention 重新评分
- 使用并行处理和后处理以提高效率

# Diarization 模型
- 基于 pyannote 框架, 使用 2.6 万小时标注数据进行微调
- v1 版本基于 pyannote3.0 架构, 有 2 个 LSTM 层, 220 万参数
- v2 版本是更先进的版本, 用 WavLM 替代了 SincNet 特征, 提供更精确的说话人分离

# 开源模型地址
https://t.co/AM7W8fh7FY
# 在线体验地址
https://t.co/g3Sgfil2Vy

点击图片查看原图

1周内 1个月内 1年内全部时间

1
2
3
4
5
6
...
400
下一页

1

3

2

2

西北工业大学开源了一个语音理解模型：OSUM，支持8种语音理解任务，从ASR到情感识别，以及语音到文本的深度理解
支持语音识别(ASR)
带时间戳的语音识别(SRWT)
声音事件检测(VED)
语音情感识别(SER)
说话风格识别(SSR)
说话者性别分类(SGC)
说话者年龄预测(SAP)
语音到文本对话(STTC)
时政
( twitter.com)

8个月前 • AIGCLINK • -- 点击 • 下载视频 0 评论

00:01:17

2

2

1

1

李沐的语音LLM，在文本大模型基础上加入语音输入输出，开源训练方法与权重。需要10-12 GB VRAM
没有这种模型之前，AI直播、AI语音、AI客服等基本靠纯文本大模型加语音识别生成，响应容易慢。而且大段文本不一定适合念出来，念出来也不一定符合“情感”
时政
( twitter.com)

2个月前 • Gantrol • -- 点击 0 评论

3

2

1

1

谷歌在大模型中删除中文内容后，meta也来了，meta最新的开源MMS大语音模型，可以识别1100+语言，不包括中文。
这就是所谓求仁得仁吧。
国内的AI建设会怎样，不好说。但是中文的AI建设，我们在海外的华人可以自己想办法了。
IT技术
( twitter.com)

2年前 • 零零發 • -- 点击 0 评论

4

2

1

1

Meta AI 今天发布的音频领域突破，继大语言模型统一了语言类任务的最好效果之后，Meta 的 VoiceBox 用一种通用模型在多种音频任务上做到了最优效果。同一个模型可以做语音识别，风格转换，噪音去除，语音编辑等多种任务。…
IT技术
( twitter.com)

2年前 • Quinn Leng • -- 点击 0 评论

5

2

1

1

Swift
超快速 AI 语音助手 ⚡️🤖
技术方案组成 🧩
- ASR: Groq OpenAI Whisper 用于语音识别转录
- LLM: Groq Meta Llama 3 用于语言生成模型
- TTS: Cartesia Sonic 语音模型用于快速流式语音合成
- VAD: 语音活动检测，用于检测用户何时在说话
- Dev: TypeScript + Next.js,
时政
( twitter.com)

1年前 • meng shao • -- 点击 0 评论

6

2

1

1

MetaAI的MMS 模型在HF的demo地址：

🌍 支持超过1,000种语言。
🎙️ 1,107种语言的多语种自动语音识别模型、语音合成模型
🔍 4,017种语言的语种识别模型。
📉与Whisper相比，词错误率减少了一…
IT技术
( twitter.com)

2年前 • Jeffery Kaneda　金田達也 • -- 点击 0 评论

7

1

0

0

🔞 十八禁！
ElevenLabs 语音AI模型在中国的最新应用。
时政
( twitter.com)

3个月前 • Inty News • -- 点击 • 下载视频 0 评论

00:00:23

8

2

1

1

#AI开源项目推荐# GPT-SoVITS-WebUI
强大的少样本语音转换与语音合成Web用户界面。
功能：
1. 零样本文本到语音（TTS）：输入 5 秒的声音样本，即刻体验文本到语音转换。
2. 少样本 TTS：仅需 1 分钟的训练数据即可微调模型，提升声音相似度和真实感。
3. 跨语言支持：…
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:17:30

9

2

1

1

【Stable Diffusion背后公司开源大语言模型，很火，但很烂】先别急着说StableLM是史上最糟糕的语言模型。毕竟人家Alpha版本的参数量目前较小，以及还是开源的。
大陆资讯
( www.qbitai.com)

2年前 • 新白娘子玩传奇 • -- 点击 0 评论

10

2

1

1

【3秒复制任何人的嗓音，连环境背景音也能模仿】微软最新AI成果，脱胎于DALL·E的语音合成模型VALL·E。不过，VALL·E目前还没开源，要想试用还得再等等。
大陆资讯
( www.qbitai.com)

2年前 • 你的溢达 • -- 点击 0 评论

11

2

1

1

这个开源翻译项目今天在 Github 冲得太快了。它支持三种翻译模式：一问一答、对讲机模式、文本模式。需下载1.24GB翻译和语音识别模型，完全开源、免费和离线使用。目前只有 Android 端，有需要的朋友可以试试。
IT技术
( github.com)

1年前 • Geek • -- 点击 0 评论

12

2

1

1

【以AI为先的微软，为什么要停止对技术的过度称颂？】纳德拉：Big AI 让人期待，我也十分看好 Small AI。如今，一名普通开发者可以采用其他人的语音模型或光符识别模型，在最前端构建和自动化一些东西，并为他们的客户提供更加高效、高品质的服务，比如——路边提货。
大陆资讯
( mp.weixin.qq.com)

4年前 • 微信公众号 • -- 点击 0 评论

13

2

1

1

【乔布斯全新采访曝光，然而…】这个AI播客背后的公司名为Play.ht。他们主营业务为 AI 文本转换语音生成器，今年9月，发布了第一个语音模型Peregrine，据称，其模型原理与大型语言模型(如 DALE 和 GPT-2 )相近，采用自监督方式训练AI能模仿特定某人的语气和情绪。
大陆资讯
( www.qbitai.com)

3年前 • 猪八戒 • -- 点击 0 评论

14

2

1

1

Hi! 咱最近在学习 #AI 和 #CoreML 方面的知识顺手写了一个 #SwiftUI 小程序能够识别相册内的表情包并提取到单独的相册现已上架 App Store 一起来玩～

项目已开源模型也公开了 App 内包含源…
推特中文圈
( twitter.com)

4年前 • twitter机器人 • -- 点击 0 评论

15

3

2

2

最新阿里发布的 QWen2-VL-7B 的视觉语言模型有点强⚡️
OCR 能力达到同级开源模型 SOTA 效果！英文基础测试手写字识别准确度 “100%”🤯🤯 而且中文支持还不错！🔥
在线体验 👉
时政
( huggingface.co)

1年前 • Tom Huang • -- 点击 0 评论

16

2

1

1

答应大家的AI歌手教程来了，手把手教你训练你自己的AI歌手，主要分为使用模型和训练模型两部分，这里是第一部分如何使用模型生成音乐的部分，主要介绍了音源的处理，模型的使用和后期音轨的合成。
看在藏师傅生病肝教程的份上希望各位多多支持…
IT技术
( twitter.com)

2年前 • 歸藏 • -- 点击 0 评论

17

2

1

1

文本转语音和语音克隆软件Prime Voice AI获得了 1900万美元的融资。
Prime Voice AI 可以生成各种语言和风格的高质量口语音频。它使用人工智能模型来模拟人类语调和语气，并根据上下文调整语音交付。
IT技术
( twitter.com)

2年前 • 歸藏 • -- 点击 0 评论

18

3

2

2

开源之光:RedPajama重塑大语言模型的未来
LLaMA最强平替，超12万亿训练数据，全开源
1. 开源12万亿训练数据，参考LLaMA数据集配比。
2. 模型马上开源
*标题由Claude生成…
推特中文圈

开源推荐
( twitter.com)

2年前 • nash_su • -- 点击 0 评论

19

2

1

1

【跨语种“AI同传”震撼登场，Meta谷歌连发重大突破，颠覆语音翻译】Meta谷歌接连放出重磅成果！Meta开源无缝交流语音翻译模型，谷歌放出无监督语音翻译重大突破Translation 3。
大陆资讯
( 36kr.com)

1年前 • 你妹的溢达 • -- 点击 0 评论

20

2

1

1

过去的五天里GenAI发生了：

欧盟AI法案
GPT-工程师
Meta Voicebox
Adobe AI 保险
AI语音分类器
OpenAI API降价
Meta提供的免费大型语言模型
Google虚拟试穿
ChatGPT +…
IT技术
( twitter.com)

2年前 • GPTDAOCN • -- 点击 0 评论

21

1

0

0

大型语言模型与生成式AI——介绍LLM和生成式AI项目的生命周期7——用Transformer生成文本

#大型语言模型与生成式AI… …
IT技术
( twitter.com)

2年前 • 宝玉 • -- 点击 0 评论

22

2

1

1

#AI开源项目推荐 subtitler
不需要上传视频到服务器，直接在浏览器端就可以语音转录成文本字幕，以及对转录的字幕编辑，生成带字幕视频的开源网站。语音转字幕利用的是 WebGPU，在浏览器端执行 Transformer + Whisper 模型（目前只能支持 tiny 和 base 模型）。视频生成是基于一个库叫
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

23

2

1

1

你跟钢铁侠就差一块3090
微软开源JARVIS，又称大模型和他的朋友们
利用ChatGPT分析需求自动调用其他模型拆分解决任务的程序，微软开源了。
原理很简单，如实现多模态方法：
用户：图中有几个斑马。模型会分析需求调用图像识别…
推特中文圈
( twitter.com)

2年前 • nash_su • -- 点击 0 评论

24

2

1

1

OpenAI 开源的 Whisper 大模型， ASR （Automatic Speech Recognition）的问题，包括语音识别、翻译、VAD 检测等，其效果与各大厂收费的产品相比，不相上下，也算是作为一个搅局者加入到了整个市场。
云厂商识别 1 小时的语音，标价大概在 1~3…
IT技术
( github.com)

1年前 • Barret李靖 • -- 点击 0 评论

1
2
3
4
5
6
...
400
下一页

0.15301 Second , Gzip Enable.本网所有言论均来自网络，不代表本网站立场。联系方式: [email protected]

©2012.11.21 bad.news All rights reserved. 社区自动运营第 -- 年零 -- 天
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

关注推特