备案控制台

开发者社区 ModelScope模型即服务计算机视觉正文

ModelScope uniASR 识别出的语音内容和话筒说的完全不一样，这是什么情况呢？

ModelScope uniASR 识别出的语音内容和话筒说的完全不一样，这是什么情况呢？
iwEcAqNwbmcDAQTRAt8F0QEmBrCNlWJs4WkZ2ATXE837QNYAB9IWM05jCAAJomltCgAL0gABXh8.png_720x720q90.jpg

展开

收起

青城山下庄文杰 2023-08-25 14:54:51 98 版权

1 条回答

写回答

取消提交回答

清风拂袖

检查语音识别引擎。
ModelScope 支持两种语音识别引擎：

Google Cloud Speech-to-Text
Baidu Speech Recognition

2023-09-18 16:14:25

赞同展开评论

相关问答

在modelscope-funasr换了带时间戳的模型但是语音转出来的结果为什么没有时间戳呢？

245

0

0

modelscope-funasr的语音情感识别，如何离线部署？

141

0

0

modelscope-funasr有语音对话分离demo吗？

195

0

0

modelscope 的实时语音通话案例，有类似的方案吗？

124

1

0

modelscope-funasr的vad模型对输入的语音长度是不是有最短时长的要求？

185

0

0

modelscope-funasr这样生成的模型对语音的识别结果有没有影响，会不会降低识别率？

110

0

0

modelscope-funasr这个模型的训练语音数据以及命令词列表有开源吗？

114

0

0

在modelscope-funasr中可以在多线程环境下共用一个模型做语音分割吗？

133

0

0

在modelscope-funasr中python客户端调用服务怎么没有采集语音呢？

89

1

0

在modelscope-funasr中uniASR是不是停止维护了?

148

1

0

ModelScope模型即服务

计算机视觉

包含图像分类、图像生成、人体人脸识别、动作识别、目标分割、视频生成、卡通画、视觉评价、三维视觉等多个领域

我要提问

相关文章

【PDF提取内容改名】批量提取PDF指定区域内容重命名PDF文件，PDF自动提取内容命名的方案和详细步骤

【繁体图片文字识别】竖排的繁体图片文字识别翻译，竖排的繁体图片文字如何识别，竖排繁体图片识别后转横排，竖排的繁体识别比较友好的方法

Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型实现裂缝的检测识别（C#代码UI界面版）

腾讯混元最新开源：一张图，秒变游戏大片

OBS美颜美肌插件安装使用教程

热门讨论

热门文章

cpu部署报错 Torch not compiled with CUDA enabled

ModelScope中，模型下载默认路径在哪个路径？

我希望通过damo-YOLO训练1500*1500的图片

com/action/joingroup?code=v1是什么意思

如何下载modelscope模型？

ModelScope下载速度慢怎么解决？

服务器上onnxruntime-gpu 调用结束，如何释放显存

ModelScope中，大佬们4卡跑lora时，遇到这样的错，怎么解决？

在ModelScope中，请问模型下载到本地的具体方法？

在ModelScope中，下载模型时的ssl问题怎么解决？!

展开全部

Qwen2.5-VL：阿里通义千问最新开源视觉语言模型，能够理解超过1小时的长视频

LHM：单图生成3D动画人！阿里开源建模核弹，高斯点云重构服装纹理

X-AnyLabeling：开源的 AI 图像标注工具，支持多种标注样式，适于目标检测、图像分割等不同场景

video-analyzer：开源视频分析工具，支持提取视频关键帧、音频转录，自动生成视频详细描述

WorldScore：斯坦福开源世界生成模型评估新标杆：3000样本+九维指标，视频/4D/3D模型一网打尽

EchoMimicV2：阿里推出的开源数字人项目，能生成完整数字人半身动画

InvSR：开源图像超分辨率生成模型，提升分辨率，修复老旧照片为超清图像

UI-TARS：字节跳动开源专注于多平台 GUI 自动化交互的视觉语言模型

STAR：南京大学联合字节开源视频超分辨率增强生成框架，视频清晰度一键提升，支持从低分辨率视频生成高分辨率视频

JoyCaption：开源的图像转提示词生成工具，支持多种风格和场景，性能与 GPT4o 相当

展开全部

还有其他疑问?