AI 助理
备案控制台
开发者社区 ModelScope模型即服务 语音 正文

最新的2月17版本中，怎样能验证支持MP3格式的音频转写，是否有MP3格式样例

最新的2月17版本中，怎样能验证支持MP3格式的音频转写，是否有MP3格式样例

展开
收起
Paraformer语音识别-中文-通用-16k-离线-large-pytorch
游客2ex743phnxvvg 2023-03-14 15:28:17 489 分享 版权
1 条回答
写回答
取消 提交回答
  • mxqe6llgslw3w

    参考issue更新版本：https://github.com/alibaba-damo-academy/FunASR/issues/269

    也可以加我们钉钉群，沟通您遇到的问题：https://github.com/alibaba-damo-academy/FunASR#contact

    2023-03-21 13:46:03
    赞同 展开评论
相关问答
语音
OSS的endpoint如何查看
31245
3
0
this xml file does not appear to have any style in
37320
9
0
支付宝H5 下载的时候，提示 【请确保该下载文件来源安全,如需浏览,请长按网址复制后使用浏览器访问】
238348
10
0
有哪些值得收藏的五个种子搜索引擎&磁力搜索引擎？
98150
16
0
如果购买了域名，一定要备案才能用吗
39265
36
0
互联网信息服务增值电信业务经营许可证申请资料
6993
2
0
com/action/joingroup?code=v1是什么意思
209795
20
0
java的官网网址是什么
34463
23
0
什么是红帽认证？
3451
1
0
企业邮箱免费版
9933
4
0
ModelScope模型即服务

语音

包括语音识别、语音合成、语音唤醒、声学设计及信号处理、声纹识别、音频事件检测等多个领域

我要提问

相关文章

  • 全网首发 | PAI Model Gallery一键部署阶跃星辰Step-Video-T2V、Step-Audio-Chat模型
  • Step-Audio：开源语音交互新标杆！这个国产AI能说方言会rap，1个模型搞定ASR+TTS+角色扮演
  • 王炸组合，阶跃星辰SOTA模型Step-Video和Step-Audio模型开源
  • OSUM：告别ASR单一功能，西工大开源的语音大模型会「读心」！识别+情感分析+年龄预测等8大任务1个模型全搞定
  • 让小程序开口说话：DeepSeek语音交互开发指南

    • 热门讨论

    热门文章

  • modelscope上跑报错，提示要pip install ttsfrd，搞不定
  • 关于 Windows平台上 ttsfrd 库的问题。
  • pip安装语音领域模型依赖报错。
  • 目录空间都删的只剩2G了，还报OSError: [Errno 122] Disk quota exc
  • KeyError: 'asr-inference is not in the pipelines r
  • 在Windows平台上关于 ModelScorpe Audio 安装涉及 kwsbp 的问题
  • No module named 'ttsfrd'
  • kantts 这个模型是什么东西啊，运行会报错
  • 自动标注模型ttsfrd初始化失败
  • wekws训练自定义数据集的误唤醒较高。
    • 展开全部
  • CosyVoice 2.0：阿里开源升级版语音生成大模型，支持多语言和跨语言语音合成，提升发音和音色等的准确性
  • 百聆：集成Deepseek API及语音技术的开源AI语音对话助手，实时交互延迟低至800ms
  • SpeechGPT 2.0：复旦大学开源端到端 AI 实时语音交互模型，实现 200ms 以内延迟的实时交互
  • 三行代码实现实时语音转文本，支持自动断句和语音唤醒，用 RealtimeSTT 轻松创建高效语音 AI 助手
  • Kokoro-TTS：超轻量级文本转语音模型，支持生成多种语言和多种语音风格
  • Clone-voice：开源的声音克隆工具，支持文本转语音或改变声音风格，支持16种语言
  • Step-Audio：开源语音交互新标杆！这个国产AI能说方言会rap，1个模型搞定ASR+TTS+角色扮演
  • FireRedASR：精准识别普通话、方言和歌曲歌词！小红书开源工业级自动语音识别模型
  • ClearerVoice-Studio：阿里通义开源的语音处理框架，提供语音增强、分离和说话人提取等功能
  • 3D-Speaker：阿里通义开源的多模态说话人识别项目，支持说话人识别、语种识别、多模态识别、说话人重叠检测和日志记录
    • 展开全部
    还有其他疑问?
    咨询AI助理