AI 助理
备案控制台
开发者社区 ModelScope模型即服务 语音 正文

paraformer 16k将本地的wav音频上传后进行推理报错

在noteBook中，使用文档给的示例代码，将本地的wav音频文件作为输入进行推理，代码报错，且没有详细报错信息。本人初步接触paraformer,要学习的还很多，希望各位老师指点。 3df66a7cdcd0f130c5978e2d52f7d56.png 32d04fc6340801e3842ec6225535c13.png 8824b98a4469e8a96e6a6b40688a753.png

展开
收起
za4dl4zt65h4u 2023-01-31 15:43:56 784 分享 版权
1 条回答
写回答
取消 提交回答
  • za4dl4zt65h4u

    这个问题是我问的，我把音频改为单通道16K后能正常推理。

    2023-02-01 14:24:28
    赞同 展开评论
相关问答
语音
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
1719
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？
80474
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

  • AI终于能听懂宝宝说话了！ChildMandarin：智源研究院开源的低幼儿童中文语音数据集，覆盖22省方言
  • 覆盖16省方言的老人语音数据集！SeniorTalk：智源研究院开源全球首个超高龄老年人中文语音数据集
  • 自动生成+语音转写，办公必备！2025年智能会议纪要10＋工具！
  • 免费版的配音软件，支持童声男声女声不同声音选项，语音转文字软件推荐支持多种声音
  • 【语音识别】基于K近邻分类算法的语音情感识别（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?
    咨询AI助理