AI 助理
文档备案控制台
开发者社区 云计算 文章 正文

MossFormer2语音分离模型

2023-11-12 1399
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： MossFormer2语音分离模型

MossFormer2语音分离模型在训练时使用了包括WSJ0-2Mix和Libri2Mix的干净语音混合数据，以及WHAMR、DNS Challenge 2020带噪声及混响数据。此外，魔搭社区上还开放了约30小时2人混合语音作为训练数据，这些混合语音是基于WSJ0数据集生成的。同时，还在ModelScope上提供了基于LibriSpeech数据集生成的混合音频，可以方便用户快速开始训练。最终，MossFormer2模型在WSJ0-2mix/3mix、Libri2Mix和WHAM！/WHAMR！等公开数据集上表现出优秀的性能。

文章标签：
网络协议
sunrr
目录
相关文章
sunrr
|
Web App开发 机器学习/深度学习 语音技术
在ModelScope-FunASR中，语音识别系统中的声音活动检测
在ModelScope-FunASR中，语音识别系统中的声音活动检测
sunrr
1528 8
开发者小助理
|
人工智能 算法 数据挖掘
【技术揭秘】解锁声纹技术中的说话人日志
说话人日志（speaker diarization）也叫说话人分离，它是从一个连续的多人说话的语音中切分出不同说话人的片段，并且判断出每个片段是哪个说话人的过程。借助说话人日志技术可以完成对音频数据流的结构化管理，具有广泛的应用价值，例如可以利用分离结果进行说话人自适应，以提高语音识别的准确率；可以辅助会议、电话数据进行自动转写构建说话人的音频档案；也可以利用说话人分离技术，实现语料库的自动跟踪和标注。
开发者小助理
5695 1
【技术揭秘】解锁声纹技术中的说话人日志
1884532660170353
|
10月前
|
人工智能 API 开发工具
分享一款端侧AI部署工具Nexa SDK
2025年AI硬件爆发，但云端大模型面临成本高、隐私差、延迟大等问题。开源小模型崛起，推动边缘AI发展。Nexa SDK应运而生，提供跨平台统一推理框架，支持NPU/GPU/CPU深度适配，实现低代码、高性能、多模态模型Day-0支持，兼容OpenAI API，助力手机、PC、汽车、IoT等端侧AI快速落地，重塑智能体验。
1884532660170353
1953 1
sg_jiang
|
10月前
|
Linux Docker 容器
docker下部署 vLLM 启动Qwen3-VL-32B-Instruct模型
本文介绍在CentOS系统、A10 6×24G显卡环境下，通过Docker部署vLLM并启动Qwen3-VL-32B-Instruct大模型的完整流程，涵盖镜像拉取、容器配置、多卡并行与显存优化设置，支持32K上下文，附带启动脚本及调用验证示例。
sg_jiang
9598 2
蚝油菜花
|
机器学习/深度学习 人工智能 达摩院
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
ClearerVoice-Studio 是阿里巴巴达摩院通义实验室开源的语音处理框架，集成了语音增强、分离和音视频说话人提取等功能。该框架基于复数域深度学习算法，能够有效消除背景噪声，保留语音清晰度，并提供先进的预训练模型和训练脚本，支持研究人员和开发者进行语音处理任务。
蚝油菜花
4387 3
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
蚝油菜花
|
机器学习/深度学习 人工智能 机器人
TIGER：清华突破性模型让AI「听觉」进化：参数量暴降94%，菜市场都能分离清晰人声
TIGER 是清华大学推出的轻量级语音分离模型，通过时频交叉建模和多尺度注意力机制，显著提升语音分离效果，同时降低参数量和计算量。
蚝油菜花
1853 6
TIGER：清华突破性模型让AI「听觉」进化：参数量暴降94%，菜市场都能分离清晰人声
-编程工程师-
|
机器学习/深度学习 算法 网络协议
开源上新｜通义语音处理技术ClearerVoice-Studio
开源上新｜通义语音处理技术ClearerVoice-Studio
-编程工程师-
3689 2
蚝油菜花
|
人工智能 监控 算法
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
3D-Speaker是阿里巴巴通义实验室推出的多模态说话人识别开源项目，结合声学、语义和视觉信息，提供高精度的说话人识别和语种识别功能。项目包含工业级模型、训练和推理代码，以及大规模多设备、多距离、多方言的数据集，适用于多种应用场景。
蚝油菜花
5403 18
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
-编程工程师-
|
人工智能 算法 数据挖掘
开源更新｜通义3D-Speaker多说话人日志功能
开源更新｜通义3D-Speaker多说话人日志功能
-编程工程师-
2908 1
zzy的aly
|
机器学习/深度学习 算法 PyTorch
深度学习笔记(十三):IOU、GIOU、DIOU、CIOU、EIOU、Focal EIOU、alpha IOU、SIOU、WIOU损失函数分析及Pytorch实现
这篇文章详细介绍了多种用于目标检测任务中的边界框回归损失函数，包括IOU、GIOU、DIOU、CIOU、EIOU、Focal EIOU、alpha IOU、SIOU和WIOU，并提供了它们的Pytorch实现代码。
zzy的aly
5969 1
深度学习笔记(十三):IOU、GIOU、DIOU、CIOU、EIOU、Focal EIOU、alpha IOU、SIOU、WIOU损失函数分析及Pytorch实现

热门文章

最新文章

  • 1
    RabbitMQ：四种ExChange用法
  • 2
    SOFAChannel#6 线上直播报名：轻量级监控分析系统 SOFALookout 原理讲解和功能演示
  • 3
    ZooKeeper完全分布式安装与配置
  • 4
    解读 V8 GC Log（一）: Node.js 应用背景与 GC 基础知识
  • 5
    【连载】物联网全栈教程-从云端到设备（十二）---最简单的单片机上云方法！
  • 6
    npm install 一直卡着不动如何解决
  • 7
    常量与变量：计算机编程中的基本概念
  • 8
    10分钟教你用Python打造天气机器人+关键字自动回复+定时发送
  • 9
    GNU make manual 翻译(八十一)
  • 10
    实施大概
  • 1
    深入理解Scala Map：从实现原理到工程实践
    25
  • 2
    基于YOLO11的共享单车智能检测系统 | 用于乱停乱放治理、入栏率核算、精细化运营 | 附完整源码与效果演示
    19
  • 3
    基于 YOLO26 的6类PCB缺陷智能检测系统（中英文双版）| 附完整源码与效果演示
    25
  • 4
    无人机检测数据集 | 5400张YOLO低空安防数据集
    28
  • 5
    工地机械检测数据集 | 4600张YOLO智慧工地数据集
    27
  • 6
    2026年重庆生成式引擎优化（GEO）服务商推荐，产业范式与技术体系宏观研究报告
    35
  • 7
    智能体释放度子集律——文本 ⊂ 音频 ⊂ 视频⊂ 游戏
    24
  • 8
    2026年重庆GEO优化-生成式引擎优化产业范式与技术体系宏观研究报告
    37
  • 9
    为什么信任必须每 120 秒重审一次？
    31
  • 10
    第一份证据由谁签发？——给 Agent 信任系统一个不垄断起点的答案
    34

    • 相关电子书

    更多
  • 低代码开发师（初级）实战教程
  • 冬季实战营第三期：MySQL数据库进阶实战
  • 阿里巴巴DevOps 最佳实践手册
    • 下一篇
    一条命令迁移，帮你实现 OpenClaw 与 Hermes Agent 记忆互通！