ИИ-инструменты с оценкой для вашей профессии
Заработок с ИИ
🤝 Вы в библиотеке «Бесплатно и Open Source» — инструменты от сообщества, которыми можно пользоваться бесплатно. Это другой формат, чем наш оценённый каталог ИИ.
Главная › Бесплатно и Open Source › Студенты › SenseVoice
✦ Бесплатно и open sourceСтуденты

SenseVoice

Многоязычная модель распознавания речи (ASR), распознавания эмоций и обнаружения аудиособытий.

Базовая речевая модель SenseVoice

Многоязычное распознавание речи, определение эмоций и анализ аудиособытий для разработчиков.

Бесплатно навсегда · open source · MIT
✓ Light setup✓ В браузере✓ Совместная работа в реальном времени
7.5
ZEKAI
Быстрая многоязычная модель ASR
Бесплатно и open source · Студенты
Простота настройки4
Полезность8
Поддержка9.5
Сообщество8.5
★ 9,400
GITHUB
Sep 2026
ОБНОВЛЕНО
MIT
ЛИЦЕНЗИЯ
🛠 Не хотите размещать сами? Мы настроим за вас →
⚡ Быстрый ответ

SenseVoice — это базовая модель распознавания речи с открытым исходным кодом, обеспечивающая ASR, определение языка, распознавание эмоций в речи и обнаружение аудиособытий. Она подходит для разработчиков и исследователей, обрабатывающих аудио на путунхуа (мандаринском), кантонском, английском, японском и корейском языках.

Работает на
Cross-platform
Хостинг
Self-host
Языки
C
Лицензия
MIT

Что это

Модель обрабатывает аудио с помощью неавторегрессивного сквозного фреймворка, обеспечивая транскрипцию с низкой задержкой наряду с богатыми тегами эмоций и звуковых событий. Она поддерживает опциональную сегментацию FSMN-VAD для длинных аудиозаписей или скрипт с ограниченным окном памяти для записей часовой длительности.

Для кого

Она подходит для инженеров и исследователей, создающих голосовые приложения или анализирующих многоязычные аудиоданные с требованиями к тегированию эмоций. Она не подходит для пользователей, ищущих готовое приложение для транскрипции без необходимости разработки на Python.

Ключевые возможности

Многоязычный ASR

Поддерживает автоматическое распознавание речи и определение языка для путунхуа, кантонского, английского, японского и корейского языков.

Распознавание эмоций в речи

Определяет теги эмоций по исходному аудио, не полагаясь исключительно на отформатированный текстовый транскрипт.

Обнаружение аудиособытий

Идентифицирует распространенные события взаимодействия человека с компьютером, включая фоновую музыку, аплодисменты, смех, плач и кашель.

Эффективный инференс

Использует неавторегрессивную сквозную архитектуру для достижения низкой задержки инференса.

Как начать

Готово за 3 шага

1
Установите необходимый пакет FunASR с помощью pip install -r requirements.txt.
2
Настройте загрузчик AutoModel на Python, указав путь к модели iic/SenseVoiceSmall и устройство.
3
Запустите инференс с помощью model.generate с вашим целевым аудиофайлом и обработайте вывод с помощью rich_transcription_postprocess.
Честно

Наш честный вердикт

Плюсы

  • Значительно более быстрый инференс по сравнению с авторегрессивными альтернативами вроде Whisper при сопоставимом количестве параметров.
  • Встроенное распознавание эмоций и теги аудиособытий дополняют стандартный результат транскрипции.
  • Включает скрипты оконной обработки с ограниченной памятью для работы с часовыми записями без VAD.
  • Предоставляет пайплайны развертывания сервисов, поддерживающие множество одновременных запросов на разных языках.

Минусы

  • Требует технических навыков в Python, FunASR и настройке моделей для установки и запуска.
  • Эффективное выполнение инференса требует выделенных аппаратных ресурсов GPU.
  • Диаризация спикеров требует объединения отдельных моделей FSMN-VAD и CAM++ вместо нативного вывода.
Стоимость

Цены и лицензия

Бесплатно по лицензии MIT, в репозитории не упомянуты платные хостинговые варианты. Единственные затраты — это запуск на собственном оборудовании.

Оплачиваемая работа

Вакансии для носителей русского языка

877 открытых удалённых вакансий по обучению ИИ, обновлено 16 ноября 2026 г.; в большинстве оплата $20–$175 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.

Все открытые вакансии →
Сравнить

Альтернативы

🎁 Бесплатные и open-source альтернативы
Больше

Используйте сами или мы всё настроим

📄 Бесплатный PDF: SenseVoice для Студенты
Простое руководство для первого результата. Придёт на вашу почту.
🔔 64 человек хотят полный видеоурок — добавьте свой голос
🛠 Не хотите настраивать сами?
Мы установим, разместим и настроим SenseVoice за вас — и обучим вашу команду.
Доверьте это нам ↗
Вопросы

Вопросы

Какие языки поддерживает выпущенный чекпоинт?

Выпущенный чекпоинт SenseVoiceSmall поддерживает путунхуа, кантонский, английский, японский и корейский языки.

Как модель обрабатывает длинные аудиозаписи?

Вы можете сегментировать аудио с помощью FSMN-VAD или использовать предоставленный скрипт long_audio_no_vad.py, который выполняет декодирование через ffmpeg на фиксированных 30-секундных окнах.

Выполняет ли модель диаризацию спикеров нативно?

Нет, диаризация спикеров обрабатывается через составной пайплайн FunASR с использованием отдельных моделей FSMN-VAD и CAM++.

Радар

Свежие новости ИИ

✉️ Еженедельный бесплатный набор
Лучшие новые бесплатные и open-source инструменты для Студенты — короткое письмо раз в неделю, на вашем языке.
Бесплатно · 1 письмо/неделю · отписка в любой момент
Заработок на обучении ИИ →

Zekai первым в Google