AI 助理
文档备案控制台
开发者社区 人工智能 文章 正文

Whisper 整体架构图

2024-01-25 763
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： Whisper 整体架构图

Attention

注意力机制模块，兼容自注意力和交叉注意力。

AttentionBlock

Transformer 模块，包含一个自注意力，一个交叉注意力（可选）和一个 MLP 模块。

AudioEncoder+TextDecoder

音频编码器和文本解码器。编码器的 Transformer 模块只有自注意力，解码器的Transformer 模块有一个自注意力一个交叉注意力。

Whisper

Whisper 整体模型。

文章标签：
机器学习/深度学习
布客飞龙
目录
相关文章
Deephub
|
11月前
|
机器学习/深度学习 并行计算 PyTorch
英伟达新一代GPU架构（50系列显卡）PyTorch兼容性解决方案
本文记录了在RTX 5070 Ti上运行PyTorch时遇到的CUDA兼容性问题，分析其根源为预编译二进制文件不支持sm_120架构，并提出解决方案：使用PyTorch Nightly版本、更新CUDA工具包至12.8。通过清理环境并安装支持新架构的组件，成功解决兼容性问题。文章总结了深度学习环境中硬件与框架兼容性的关键策略，强调Nightly构建版本和环境一致性的重要性，为开发者提供参考。
Deephub
7514 64
英伟达新一代GPU架构（50系列显卡）PyTorch兼容性解决方案
蚝油菜花
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
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
Dolphin是清华大学与海天瑞声联合研发的语音识别大模型，支持40种东方语言和22种中文方言，采用CTC-Attention混合架构，词错率显著低于同类模型。
蚝油菜花
4974 50
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
LDG_AGI
|
机器学习/深度学习 人机交互 API
【机器学习】Whisper：开源语音转文本（speech-to-text）大模型实战
【机器学习】Whisper：开源语音转文本（speech-to-text）大模型实战
LDG_AGI
5773 0
modelscope
|
12月前
|
文字识别 测试技术 语音技术
看听说写四维突破：Qwen2.5-Omni 端到端多模态模型开源！
今天，通义千问团队发布了 Qwen2.5-Omni，Qwen 模型家族中新一代端到端多模态旗舰模型。该模型专为全方位多模态感知设计，能够无缝处理文本、图像、音频和视频等多种输入形式，并通过实时流式响应同时生成文本与自然语音合成输出。
modelscope
2840 6
看听说写四维突破：Qwen2.5-Omni 端到端多模态模型开源！
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
3897 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
游客r2wibhfgflphe
|
弹性计算 Linux 数据安全/隐私保护
阿里云服务器搭建幻兽帕鲁【Palworld】游戏服详细教程，2025最新附价格表
阿里云提供2025年最新幻兽帕鲁游戏服务器申请与一键开服教程。支持4核16G（8人）和8核32G（20人）两种配置，系统自动部署游戏程序，本地安装STEAM即可开始游戏。价格低至70元/月起，选择地域、时长及操作系统后，2-3分钟完成创建。通过Steam客户端输入服务器IP与端口8211，轻松加入多人游戏，开启冒险之旅！更多详情见阿里云幻兽帕鲁专区。
游客r2wibhfgflphe
922 2
蚝油菜花
|
XML 人工智能 文字识别
Mobile-Agent：通过视觉感知实现自动化手机操作，支持多应用跨平台
Mobile-Agent 是一款基于多模态大语言模型的智能代理，能够通过视觉感知自主完成复杂的移动设备操作任务，支持跨应用操作和纯视觉解决方案。
蚝油菜花
5637 10
Mobile-Agent：通过视觉感知实现自动化手机操作，支持多应用跨平台
爱的不是纯牛奶-47754
|
设计模式 测试技术 持续交付
提升代码质量的十大技巧
本文介绍了提升代码质量的十大技巧，涵盖遵循编码规范、编写可读性强的代码、重构、编写测试、代码审查、使用版本控制、持续集成/部署、性能优化、编写文档及学习新工具等方面，旨在帮助开发者提高软件的可维护性、可扩展性和性能。通过持续实践与学习，代码质量将不断提升。
爱的不是纯牛奶-47754
1022 16

热门文章

最新文章

  • 1
    拥抱开源，云原生时代下的开源牧码人的初心与坚守
  • 2
    C#针式打印机自定义纸张连续打印爬坑过程
  • 3
    最佳实践系列丨Docker EE 大规模部署指南（一）
  • 4
    2023 年度国内低代码平台排名榜 (这 5 款低平台备受欢迎！)
  • 5
    TV-B-Gone Kit - Universal v1.2
  • 6
    用ISA2006阻挡windows live messenger通信
  • 7
    波形捕捉：（3）"捕捉设备"性能
  • 8
    改善云迁移安全性最有效的三种方法
  • 9
    双向链表
  • 10
    制作页面右下脚伸缩框样式
  • 1
    OpenClaw零门槛部署手册：阿里云+本地多系统搭建+免费大模型配置流程+常见问题解析
    147
  • 2
    2026稳定版OpenClaw全平台部署实战｜阿里云轻量方案+本地三系统搭建+百炼API完整配置教程
    133
  • 3
    前端开发 之 12个鼠标交互特效上【附完整源码】
    60
  • 4
    9.9元上手OpenClaw超级助理：阿里云一键部署+本地搭建+百炼API配置+避坑指南
    89
  • 5
    推荐核心思路：一个承载时代精神的文化IP
    47
  • 6
    《【脑洞】想做一个基于Qwen的“启灵麒麟”智能体，寻找志同道合的开发者/策划》
    96
  • 7
    前端开发 之 15个页面加载特效下【附完整源码】
    51
  • 8
    前端如何优雅实现0到auto的高度过渡
    29
  • 9
    【脑洞】想做一个基于Qwen的“启灵麒麟”智能体，寻找志同道合的开发者/策划
    103
  • 10
    本地自动化工具怎么用在生活里？三个非办公场景拆解
    55

    • 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
    5月安全新品播课（1）|混合云下割裂的Web安全管理挑战如何破？