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 1103
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
1194 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
5017 1
【技术揭秘】解锁声纹技术中的说话人日志
1884532660170353
|
2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
584 1
-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-
2533 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
2677 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
小殊小殊
|
机器学习/深度学习 PyTorch 算法框架/工具
【五分钟会，半小时懂】人声分离Demucs
【五分钟会，半小时懂】人声分离Demucs
小殊小殊
3684 1
蚝油菜花
|
12月前
|
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
1195 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-
|
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-
1914 1
-编程工程师-
|
机器学习/深度学习 人工智能 算法
技术开源｜FunASR升级第三代热词方案
技术开源｜FunASR升级第三代热词方案
-编程工程师-
3974 62
DreamSpark
|
机器学习/深度学习 自然语言处理 人机交互
音频基座大模型FunAudioLLM体验评测
一文带你详细了解音频基座大模型FunAudioLLM
DreamSpark
3252 5

热门文章

最新文章

  • 1
    ccxt中文教程
  • 2
    CC：基于组件总线的Android组件化开源框架
  • 3
    SQL SERVER数据库删除LOG文件和清空日志的方案
  • 4
    Linux系统小技巧（1）：/dev/random设备可能导致java程序启动慢或者操作耗时不正常
  • 5
    RestHighLevelClient查询es
  • 6
    Linux系统检查查看桌面环境
  • 7
    面对复杂业务，if-else coder 如何升级？
  • 8
    RESTful API 文档生成神器 Wisdom REST Client
  • 9
    输出某种编码的字符串
  • 10
    Script:partition table into rowid extent chunks
  • 1
    大模型微调内存优化全攻略：无需昂贵显卡，打造你的AI助手
    73
  • 2
    《面向第三方的GraphQL开放平台设计指南：安全可控治理手册》
    50
  • 3
    《GraphQL 强类型架构下的错误处理体系设计指南》
    36
  • 4
    【Azure Function】在Azure上的 Python Function 资源被扫描出包含安全漏洞
    43
  • 5
    给AI模型“加外挂”：LoRA技术详解，让小白也能定制自己的大模型
    61
  • 6
    说话就能让AI写出顶级代码？Vercel官方经验包来了
    59
  • 7
    Apache Tomcat 历史版本下载地址 官网地址
    39
  • 8
    OpenClaw(Clawdbot)零基础部署指南+OpenClaw Skills 官方技能解析，1条命令解锁全能AI
    183
  • 9
    从“通才”到“专才”：揭秘AI大模型预训练与微调的核心魔法
    60
  • 10
    阿里云OpenClaw（Clawdbot）保姆级教程：3步部署+3个必装Skill+5个实战案例，从新手到高手
    268

    • 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
    第五届伏魔挑战赛如约来袭，诚邀各路高手来战！