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

语音识别模型CPU runtime量化方案中VAD的实现问题

语音识别模型CPU runtime量化方案（https://github.com/alibaba-damo-academy/FunASR/tree/main/funasr/runtime/onnxruntime）中，VAD使用的是webrtc的VAD C++代码吗？为何没看到FSMN-Monophone VAD的C++推理代码？谢谢

展开
收起
小小新新 2023-03-24 11:21:44 686 分享 版权
2 条回答
写回答
取消 提交回答
  • cowboywang

    你好，fsmn-VAD onnx c++的推理代码了吗？

    2025-07-17 17:26:17
    赞同 展开评论
  • mxqe6llgslw3w

    FSMN-Monophone VAD c++实现，很快就会支持。 请问方便加我们钉钉群，详细沟通您遇到的问题么？ 群号：27215013275 dingding.jpg

    2023-03-29 10:19:27
    赞同 展开评论
相关问答
语音
在modelscope-funasr用的paraformer的一个语音识别模型，怎么加上热词？
295
0
0
modelscope-funasr最新的gpu高吞吐服务用的模型和原来cpu的参数量是一样的么？
153
0
0
modelscope-funasr最新的gpu高吞吐服务用的模型和原来cpu的是一样的么？
119
0
0
modelscope-funasr的多说话人语音识别模型 支持实时听写吗？
206
0
0
阿里云语音AI智能语音交互中录音文件识别的customization_id定制模型还是不能区分热词。
113
1
0
ModelScope没有看见复制，模型选择、cpu/GPU选择有特别要求吗，有详细说明吗？
127
1
0
modelscope模型文件都下载成功了，部署报错，是不是说只能在GPU下运行，CPU不行吗？
212
1
0
为什么自学习平台训练语音识别模型只需要提供文本不需要音频？
44
0
0
阿里云的语音识别服务提供了多个模型以适应不同的应用场景主要包括哪些？
104
1
0
阿里云语音AI智能语音交互下面的cosyvoice大模型可以免费试用吗？
360
1
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

  • 1688 item_review 接口深度分析及 Python 实现
  • 魔搭社区模型速递（8.30-9.06）
  • 处理Cookie和Session：让Python爬虫保持连贯的"身份"
  • 实战爬取某小说网站内容 -自带源码
  • Cisco NX-OS 10.6(1)F 发布 - 数据中心网络操作系统

    • 热门讨论

    热门文章

  • 关于 Windows平台上 ttsfrd 库的问题。
  • modelscope上跑报错，提示要pip install ttsfrd，搞不定
  • 目录空间都删的只剩2G了，还报OSError: [Errno 122] Disk quota exc
  • funasr 微调没有效果？微调数据量是多少，如何调整batch_size
  • UniASR如何进行流式语音识别？
  • KeyError: 'asr-inference is not in the pipelines r
  • 使用0.3.0版本的ttsfrd， coredump
  • 个性化语音合成训练 [ONNXRuntimeError]:7:INVALID_PROTOBUF
  • 目前有没有什么对于识别英语、俄语、韩语有较高准确率的语音模型
  • ttsfrd 是不开源的吗
    • 展开全部
  • Dolphin：40语种+22方言！清华联合海天瑞声推出的语音识别大模型，识别精度超Whisper两代
  • 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
  • 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
  • 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
  • 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
  • Text to Bark：让狗狗听懂人话！全球首个AI"狗语"生成器，137种狗狗口音任君挑选
  • 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
  • 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
  • WhisperChain：开源 AI 实时语音转文字工具！自动消噪优化文本，效率翻倍
    • 展开全部
    还有其他疑问?
    咨询AI助理