备案控制台

开发者社区 ModelScope模型即服务语音正文

语音唤醒可以自定义唤醒词嘛？比如“小云，小云”换成自己的命令词？如何训练模型

语音唤醒

展开

收起

游客pszqk72f4ddza 2022-11-29 13:41:02 1237 版权

1 条回答

写回答

取消提交回答

ModelScope小助手8

您好，感谢您使用ModelScope语音唤醒模型。唤醒模型一般需要根据业务进行定制，当前放置的为针对移动端定制的“小云小云”唤醒词模型，具备一定的通用自定义唤醒能力，可以通过在线体验输入需要的命令词并录音测试，但性能肯定不如定制的好。我们正准备上线模型finetune功能，支持用户自主采集对应数据并训练模型。请持续关注！~

2022-11-30 10:53:51

赞同展开评论

相关问答

this xml file does not appear to have any style in

47967

10

0

请问下我访问接口不通什么原因 Provisional headers are shown

1720

0

0

通过www和不带www的网址输入最终都指向www.我的域名.com，求指教

124162

28

0

购买阿里国外的云服务器是否可以访问谷歌？

80475

47

0

OSS的endpoint如何查看

36223

6

0

sql server的用户名和密码怎么查啊？

35545

21

0

配置了安全组规则，端口还是无法访问

32257

25

0

设置域名解析如何指向我的服务器url包括端口号

17582

2

0

域名在腾讯云备案成功，解析到阿里云服务器，提示仍需备案？

59496

30

0

Connection reset by peer的常见原因及解决办法

3772

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

收录在圈子:

智能语音交互

167

+ 订阅

相关文章

B站开源IndexTTS2，用极致表现力颠覆听觉体验

基于人工神经网络的类噪声环境声音声学识别（Matlab代码实现）

2025阿里云GPU服务器租赁价格：1个月、1小时和一年收费标准

IndexTTS2.0_ 情感表达与时长可控的自回归零样本语音合成突破

通过短时倒谱(Cepstrogram)计算进行时-倒频分析研究（Matlab代码实现）

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

KeyError: 'asr-inference is not in the pipelines r

funasr 微调没有效果？微调数据量是多少，如何调整batch_size

GPU相比CPU并没有明显提高uniasr语音识别和语音合成的推理速度

使用SambertHifigan个性化语音合成-中文-预训练-16k生成的声音怎么调节语速呢？

ttsfrd 是不开源的吗

UniASR如何进行流式语音识别？

最佳实践中创建虚拟环境报错，请问什么情况？

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

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

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

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

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

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

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

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

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

Clone-voice：开源的声音克隆工具，支持文本转语音或改变声音风格，支持16种语言

展开全部

还有其他疑问?