نموذج متعدد اللغات للتعرف على الكلام، التعرف على المشاعر، واكتشاف الأحداث الصوتية.
التعرف على الكلام متعدد اللغات، التعرف على المشاعر، وتحليل الأحداث الصوتية للمطورين.
SenseVoice هو نموذج أساس كلام مفتوح المصدر يوفر التعرف على الكلام (ASR)، تحديد اللغة، التعرف على المشاعر في الكلام، واكتشاف الأحداث الصوتية. يناسب المطورين والباحثين الذين يعالجون الصوت باللغات الماندرين، الكانتونية، الإنجليزية، اليابانية، والكورية.
يعالج النموذج الصوت من خلال إطار عمل طرف إلى طرف غير ذاتي الانحدار لتقديم نصوص ذات زمن الانتقال المنخفض إلى جانب علامات المشاعر والأحداث الصوتية الغنية. يدعم تقطيع FSMN-VAD الاختياري للصوت الطويل أو برنامج نافذة محدود الذاكرة للتسجيلات ذات نطاق الساعات.
يناسب المهندسين والباحثين الذين يبنون تطبيقات صوتية أو يحللون مجموعات بيانات صوتية متعددة اللغات مع متطلبات وسم المشاعر. لا يناسب المستخدمين الذين يبحثون عن تطبيق نصوص نهائي للمستخدم بدون عمل تطوير بلغة Python.
يدعم التعرف التلقائي على الكلام وتحديد اللغة للغات الماندرين، الكانتونية، الإنجليزية، اليابانية، والكورية.
يكشف عن علامات المشاعر من الصوت الخام دون الاعتماد فقط على النصوص المنسقة.
يحدد أحداث التفاعل الشائعة بين الإنسان وآلة بما في ذلك موسيقى الخلفية، التصفيق، الضحك، البكاء، والسعال.
يستخدم بنية طرف إلى طرف غير ذاتية الانحدار لتحقيق أداء استدلالي منخفض زمن الانتقال.
مجاني بموجب ترخيص MIT الخاص به، مع عدم وجود خيارات استضافة مدفوعة مذكورة في المستودع. التكلفة الوحيدة هي تشغيله على الأجهزة الخاصة بك.
877 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٦ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$175 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
تدعم نقطة التحقق SenseVoiceSmall المُصدرة لغات الماندرين، الكانتونية، الإنجليزية، اليابانية، والكورية.
يمكنك تقطيع الصوت باستخدام FSMN-VAD أو استخدام برنامج long_audio_no_vad.py المُقدم الذي يقوم فك التشفير عبر ffmpeg على نوافذ ثابتة مدتها 30 ثانية.
لا، يتم التعامل مع فصل المتحدثين من خلال خط管道 FunASR مُركب باستخدام نماذج FSMN-VAD و CAM++ منفصلة.
شاهد Zekai أولاً في جوجل