AI 助理
备案控制台
开发者社区 ModelScope模型即服务 自然语言处理 正文

modelscope-funasr底层用什么读取音频文件的？能支持mp4这些格式吗？

modelscope-funasr底层用什么读取音频文件的？能支持mp4这些格式吗？

展开
收起
真的很搞笑 2024-02-08 12:49:00 242 分享 版权
2 条回答
写回答
取消 提交回答
  • Skyund

    关于modelscope-funasr底层如何读取音频文件以及是否支持mp4格式，没有直接提供具体的技术细节。不过通常情况下，语音识别模型处理的音频文件会先经过预处理步骤，将非PCM或WAV格式的音频（如mp4中的音频流）解码并提取出来，转换成模型可以直接处理的格式。

    2024-02-12 14:19:41
    赞同 展开评论
  • 芯在这

    torchaudio，代码在这里：
    https://github.com/alibaba-damo-academy/FunASR/blob/main/funasr/utils/load_utils.py#L19C5-L19C32 ，此回答整理自钉群“modelscope-funasr社区交流”

    2024-02-08 13:04:50
    赞同 展开评论
相关问答
在modelscope-funasr为什么识别的内容和音频不一致呀？
121
1
0
modelscope-funasr 可以输入音频吗而不是文件？
137
1
0
modelscope-funasr的音频情感识别，用sensevoice好还是emotion2ve？
156
0
0
modelscope-funasr实时流模式，对音频pcm的数据要求是什么呢？
294
0
0
在modelscope-funasr为了实现体验Demo这种效果，还需要怎样修改py文件？
106
1
0
modelscope-funasr使用离线这个推理示例音频的时候，报了错误，是为什么？
120
1
0
在modelscope-funasr当音频文件超过一个小时后，显存溢出怎么解决？
195
1
0
在modelscope-funasr中请问vad模型是只能用16k采样率的音频吗？
132
0
0
在modelscope-funasr中想保留解析长音频的功能所以只要有vad在就会影响输出结果是吗？
84
0
0
ModelScope中，florence2模型微调时，数据集格式是不是"query"？
176
1
0
ModelScope模型即服务

自然语言处理

包含命名实体识别、文本分类、分词、关系抽取、问答、推理、文本摘要、情感分析、机器翻译等多个领域

我要提问

相关文章

  • Java 大视界 -- Java 大数据机器学习模型在自然语言处理中的对抗训练与鲁棒性提升（205）
  • “日志别再只会翻了，教它自己说话”——聊聊用 NLP 玩转日志分析
  • 《10分钟开发电商页！CodeBuddy自然语言转代码实测：程序员效率革命》
  • Java 大视界 -- Java 大数据机器学习模型在自然语言生成中的可控性研究与应用（229）
  • 从“写SQL”到“聊数据”：NL2SQL如何用自然语言解锁数据库？

    • 热门讨论

    热门文章

  • modelscope-funasr这是服务端关闭了连接吗？
  • 本地运行示例报错No module named 'deepspeed'
  • modelscope-funasr实时设别，mode:2pass 还是online，2个有啥不一样？
  • modelscope-funasr有说话人分离功能吗？
  • modelscope-funasr有没有开源的语音唤醒，自定义唤醒？
  • modelscope-funasr 热词如何设置？
  • modelscope-funasr基于paraformer微调了粤语试了下，效果不太理想。怎么调整？
  • modelscope-funasr的 hotwords 是什么意思？
  • modelscope-funasr的sensevoice还不支持热词，是吗？
  • modelscope-funasr中命令行用法 如何生成带时间戳的结果？
    • 展开全部
  • 智胜未来：国内大模型+Agent应用案例精选，以及主流Agent框架开源项目推荐
  • FastAPI开发者福音！FastAPI-MCP：将FastAPI秒变MCP服务器的开源神器，无需配置自动转换！
  • Qlib：华尔街颤抖！微软开源金融AI量化投资神器，助力智能投研
  • 自然语言生成代码一键搞定！Codex CLI：OpenAI开源终端AI编程助手，代码重构+测试全自动
  • 告别Hugging Face模型下载难题：掌握高效下载策略，畅享无缝开发体验
  • FireCrawl：开源 AI 网络爬虫工具，自动爬取网站及子页面内容，预处理为结构化数据
  • Cline：29.7K Star！一文详解VSCode最强开源AI编程搭子：一键生成代码+自动跑终端+操控浏览器...
  • KAG：增强 LLM 的专业能力！蚂蚁集团推出专业领域知识增强框架，支持逻辑推理和多跳问答
  • Memobase：开源AI长期记忆系统，让AI真正记住每个用户的秘密武器
  • 手把手教你使用 Ollama 和 LobeChat 快速本地部署 DeepSeek R1 模型，创建个性化 AI 助手
    • 展开全部
    还有其他疑问?
    咨询AI助理