Ferramentas de IA avaliadas para o seu trabalho
Ganhe treinando IA
🤝 Você está na biblioteca Grátis & Open Source — ferramentas feitas pela comunidade que você pode usar sem pagar. Um conceito diferente do nosso diretório de IA avaliado.
Início › Grátis & Open Source › Estudantes › SenseVoice
✦ Grátis & open sourceEstudantes

SenseVoice

Modelo multilíngue de ASR, reconhecimento de emoção e detecção de eventos de áudio.

Modelo de Fundação de Fala SenseVoice

Reconhecimento de fala multilíngue, detecção de emoção e análise de eventos de áudio para desenvolvedores.

Grátis para sempre · open source · MIT
✓ Light setup✓ No navegador✓ Colaboração em tempo real
7.5
ZEKAI
Modelo de ASR multilíngue rápido
Grátis & open source · Estudantes
Facilidade de configuração4
Utilidade8
Manutenção9.5
Comunidade8.5
★ 9,400
GITHUB
Sep 2026
ATUALIZADO
MIT
LICENÇA
🛠 Não quer hospedar você mesmo? Nós configuramos para você →
⚡ Resposta rápida

O SenseVoice é um modelo de fundação de fala de código aberto que fornece ASR, identificação de idioma, reconhecimento de emoção na fala e detecção de eventos de áudio. É adequado para desenvolvedores e pesquisadores que processam áudio em mandarim, cantonês, inglês, japonês e coreano.

Funciona em
Cross-platform
Hospedagem
Self-host
Idiomas
C
Licença
MIT

O que é

O modelo processa áudio por meio de uma estrutura ponta a ponta não autorregressiva para entregar transcrições de baixa latência juntamente com tags ricas de emoção e eventos sonoros. Ele suporta segmentação FSMN-VAD opcional para áudios longos ou um script de janela com memória limitada para gravações de escala horária.

Para quem

É adequado para engenheiros e pesquisadores que constroem aplicações de voz ou analisam conjuntos de dados de áudio multilíngue com requisitos de marcação de emoção. Não é adequado para usuários que procuram uma aplicação de transcrição final para o usuário sem trabalho de desenvolvimento em Python.

Recursos principais

ASR Multilíngue

Suporta reconhecimento automático de fala e identificação de idioma para mandarim, cantonês, inglês, japonês e coreano.

Reconhecimento de Emoção na Fala

Detecta tags de emoção a partir de áudio bruto sem depender apenas de transcrições de texto formatadas.

Detecção de Eventos de Áudio

Identifica eventos comuns de interação humano-computador, incluindo música de fundo, aplausos, risadas, choro e tosse.

Inferência Eficiente

Emprega uma arquitetura ponta a ponta não autorregressiva para alcançar desempenho de inferência de baixa latência.

Como começar

Pronto em 3 passos

1
Instale o pacote FunASR necessário via pip install -r requirements.txt.
2
Configure o carregador AutoModel em Python especificando o caminho do modelo iic/SenseVoiceSmall e o dispositivo.
3
Execute a inferência usando model.generate com seu arquivo de áudio de destino e processe a saída com rich_transcription_postprocess.
Falando sério

Nosso veredito honesto

Pontos fortes

  • Inferência significativamente mais rápida do que alternativas autorregressivas como o Whisper em contagens de parâmetros comparáveis.
  • Reconhecimento de emoção integrado e tags de eventos de áudio acompanham a saída de transcrição padrão.
  • Inclui scripts de janela com memória limitada para processar gravações de escala horária sem VAD.
  • Fornece pipelines de implantação de serviço que suportam solicitações concorrentes múltiplas em vários idiomas.

Onde deixa a desejar

  • Requer habilidade técnica em Python, FunASR e configuração de modelo para configurar e executar.
  • Executar a inferência com eficiência exige recursos de hardware de GPU dedicados.
  • A diarização de falantes requer a composição de modelos FSMN-VAD e CAM++ separados em vez de saída nativa.
Custo

Preços & licença

Gratuito sob sua licença MIT, sem opções hospedadas pagas mencionadas no repositório. O único custo é executá-lo em seu próprio hardware.

Trabalho remunerado

Vagas para quem fala português

877 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.

Ver todas as vagas abertas →
Comparar

Alternativas

🎁 Alternativas grátis & open source
Saiba mais

Use, ou deixe que a gente configure

📄 PDF grátis: SenseVoice para Estudantes
Um guia em linguagem simples para o seu primeiro resultado. Enviado ao seu e-mail.
🔔 64 pessoas querem um tutorial em vídeo completo — adicione seu voto
🛠 Não quer configurar você mesmo?
Nós instalamos, hospedamos e configuramos o SenseVoice para você — e treinamos sua equipe.
Deixe com a gente ↗
Perguntas

FAQ

Quais idiomas o ponto de verificação lançado suporta?

O ponto de verificação SenseVoiceSmall lançado suporta mandarim, cantonês, inglês, japonês e coreano.

Como ele lida com gravações de áudio longas?

Você pode segmentar o áudio usando FSMN-VAD ou usar o script long_audio_no_vad.py fornecido que decodifica via ffmpeg em janelas fixas de 30 segundos.

O modelo realiza diarização de falantes nativamente?

Não, a diarização de falantes é tratada por meio de um pipeline FunASR composto usando modelos FSMN-VAD e CAM++ separados.

Radar

Últimas notícias de IA

✉️ O kit gratuito semanal
As melhores novas ferramentas grátis & open source para Estudantes — um e-mail curto por semana, no seu idioma.
Grátis · 1 e-mail/semana · cancele quando quiser
Ganhe dinheiro treinando IA →

Veja o Zekai primeiro no Google