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

模型如果能支持语义修复就完美了，或者使用第三方模型修复错别字

下面是识别出来的文本：

到位女凭空出现然后又修失

展开
收起
MFCCA多通道多说话人语音识别-中文-AliMeeting-16k-离线
brock 2023-04-27 19:00:21 1562 分享 版权
阿里云 AI 助理回答

您好，根据您提供的信息，我未能理解到与阿里云产品相关的问题。如果您有关于阿里云产品的售前、售中或售后的疑问，例如ECS云服务器的使用、SLB负载均衡的配置、OSS对象存储的访问、云数据库RDS的管理等问题，欢迎随时向我提问，我会尽力为您提供帮助。对于非云产品相关的问题，可能无法直接提供答案，建议您重新描述您的问题，以便我能更好地为您提供服务。

有帮助
无帮助
AI 助理回答生成答案可能存在不准确，仅供参考
0 条回答
写回答
取消 提交回答
相关问答
语音
this xml file does not appear to have any style in
43278
10
0
OSS的endpoint如何查看
34684
5
0
配置了安全组规则，端口还是无法访问
30767
24
0
如果购买了域名，一定要备案才能用吗
42918
43
0
阿里云服务器如何重置系统？
23518
4
0
sql server的用户名和密码怎么查啊？
34272
21
0
请问nacos/nacos错误，nacos 2.0.3的默认密码是什么呢？
5335
11
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？
58210
30
0
购买阿里国外的云服务器是否可以访问谷歌？
78379
46
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
115899
26
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

相关文章

  • 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
  • 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
  • 亚马逊推出AI语音模型新标杆！Nova Sonic：多语言识别错误率仅4.2%，碾压GPT-4o-transcribe
  • 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
  • Kimi-Audio：月之暗面开源音频大模型，1300万小时训练重塑语音交互

    • 热门讨论

    热门文章

  • modelscope上跑报错，提示要pip install ttsfrd，搞不定
  • 关于 Windows平台上 ttsfrd 库的问题。
  • 目录空间都删的只剩2G了，还报OSError: [Errno 122] Disk quota exc
  • 运行报错AttributeError: 'HParams' object has no attrib
  • KeyError: 'asr-inference is not in the pipelines r
  • 零门槛玩转AI声音定制，3分钟即可复刻你的发音模型
  • 个性化语音合成训练 [ONNXRuntimeError]:7:INVALID_PROTOBUF
  • 自动标注模型ttsfrd初始化失败
  • VAD speech_fsmn_vad_zh-cn-16k-common-pytorch是否还会上架
  • wekws训练自定义数据集的误唤醒较高。
    • 展开全部
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • WhisperChain：开源 AI 实时语音转文字工具！自动消噪优化文本，效率翻倍
  • 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
  • 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
    • 展开全部
    还有其他疑问?
    咨询AI助理