Des outils IA notés pour votre métier
Missions IA payées
🤝 Vous êtes dans la bibliothèque Libre & Open Source — des outils communautaires utilisables sans payer. Un concept différent de notre annuaire IA noté.
Accueil › Libre & Open Source › Étudiants › SenseVoice
✦ Libre & open sourceÉtudiants

SenseVoice

Modèle multilingue de reconnaissance vocale (ASR), de reconnaissance des émotions et de détection d'événements audio.

Modèle de fondation vocale SenseVoice

Reconnaissance vocale multilingue, détection des émotions et analyse d'événements audio pour les développeurs.

Gratuit pour toujours · open source · MIT
✓ Light setup✓ Dans le navigateur✓ Collaboration en temps réel
7.5
ZEKAI
Modèle ASR multilingue rapide
Libre & open source · Étudiants
Facilité d'installation4
Utilité8
Maintenance9.5
Communauté8.5
★ 9,400
GITHUB
Sep 2026
MIS À JOUR
MIT
LICENCE
🛠 Pas envie de l'héberger vous-même ? Nous pouvons l'installer →
⚡ Réponse rapide

SenseVoice est un modèle de fondation vocale open source fournissant l'ASR, l'identification des langues, la reconnaissance des émotions vocales et la détection d'événements audio. Il convient aux développeurs et aux chercheurs traitant des fichiers audio en mandarin, cantonais, anglais, japonais et coréen.

Fonctionne sur
Cross-platform
Hébergement
Self-host
Langues
C
Licence
MIT

Qu'est-ce que c'est

Le modèle traite l'audio via un framework de bout en bout non autorégressif pour fournir des transcriptions à faible latence ainsi que de riches balises d'émotion et d'événements sonores. Il prend en charge la segmentation FSMN-VAD optionnelle pour les fichiers audio longs ou un script de fenêtrage à mémoire bornée pour les enregistrements d'une durée de l'heure.

Pour qui

Il convient aux ingénieurs et aux chercheurs créant des applications vocales ou analysant des jeux de données audio multilingues nécessitant un étiquetage des émotions. Il ne convient pas aux utilisateurs recherchant une application de transcription finale prête à l'emploi sans travail de développement en Python.

Fonctionnalités clés

ASR multilingue

Prend en charge la reconnaissance automatique de la parole et l'identification de la langue pour le mandarin, le cantonais, l'anglais, le japonais et le coréen.

Reconnaissance des émotions vocales

Détecte les balises d'émotion à partir de l'audio brut sans dépendre uniquement des transcriptions textuelles formatées.

Détection d'événements audio

Identifie les événements courants d'interaction homme-machine, notamment la musique de fond, les applaudissements, les rires, les pleurs et la toux.

Inférence efficace

Utilise une architecture de bout en bout non autorégressive pour obtenir des performances d'inférence à faible latence.

Comment démarrer

Opérationnel en 3 étapes

1
Installez le paquet FunASR requis via pip install -r requirements.txt.
2
Configurez le chargeur AutoModel en Python en spécifiant le chemin du modèle iic/SenseVoiceSmall et le périphérique.
3
Exécutez l'inférence à l'aide de model.generate avec votre fichier audio cible et traitez la sortie avec rich_transcription_postprocess.
Franchement

Notre verdict honnête

Ses atouts

  • Inférence nettement plus rapide que les alternatives autorégressives comme Whisper à nombre de paramètres comparable.
  • La reconnaissance des émotions intégrée et les balises d'événements audio accompagnent la sortie de transcription standard.
  • Comprend des scripts de fenêtrage à mémoire bornée pour le traitement d'enregistrements d'une échelle horaire sans VAD.
  • Fournit des pipelines de déploiement de services prenant en charge les requêtes multiconcurrentes sur plusieurs langues.

Ses limites

  • Nécessite des compétences techniques en Python, FunASR et en configuration de modèle pour l'installation et l'exécution.
  • L'exécution efficace de l'inférence exige des ressources matérielles de GPU dédiées.
  • La diarisation des locuteurs nécessite de composer des modèles FSMN-VAD et CAM++ séparés plutôt qu'une sortie native.
Coût

Tarifs & licence

Gratuit sous licence MIT, sans option hébergée payante mentionnée dans le dépôt. Le seul coût est son exécution sur votre propre matériel.

Travail rémunéré

Missions pour francophones

877 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.

Voir tous les postes ouverts →
Comparer

Alternatives

🎁 Alternatives libres & open source
Pour aller plus loin

Utilisez-le, ou laissez-nous l'installer

📄 PDF gratuit : SenseVoice pour Étudiants
Un guide simple pour obtenir votre premier résultat. Envoyé dans votre boîte mail.
🔔 64 personnes veulent un tutoriel vidéo complet — ajoutez votre vote
🛠 Pas envie de l'installer vous-même ?
Nous installons, hébergeons et configurons SenseVoice pour vous — et formons votre équipe.
Confiez-nous l'installation ↗
Questions

FAQ

Quelles langues le point de contrôle publié prend-il en charge ?

Le point de contrôle SenseVoiceSmall publié prend en charge le mandarin, le cantonais, l'anglais, le japonais et le coréen.

Comment traite-t-il les longs enregistrements audio ?

Vous pouvez segmenter l'audio à l'aide de FSMN-VAD ou utiliser le script long_audio_no_vad.py fourni, qui décode via ffmpeg sur des fenêtres fixes de 30 secondes.

Le modèle effectue-t-il la diarisation des locuteurs de manière native ?

Non, la diarisation des locuteurs est gérée via un pipeline FunASR composé utilisant des modèles FSMN-VAD et CAM++ séparés.

Radar

Dernières actus IA

✉️ La boîte à outils gratuite hebdo
Les meilleurs nouveaux outils libres & open source pour Étudiants — un court e-mail par semaine, dans votre langue.
Gratuit · 1 e-mail/semaine · désabonnement à tout moment
Soyez payé pour entraîner l’IA →

Voir Zekai en premier dans Google