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

用Wan2.2-S2V语音驱动视频为什么时间这么长速度这么慢？

QQ20251202-194037.jpg

展开
收起
游客rw3rxbztqqv34 2025-12-02 19:51:20 24 分享 版权
0 条回答
写回答
取消 提交回答
相关问答
请问下 我访问接口不通 什么原因 Provisional headers are shown
3402
0
0
购买阿里国外的云服务器是否可以访问谷歌？
83145
47
0
sql server的用户名和密码怎么查啊？
37244
21
0
this xml file does not appear to have any style in
51498
10
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？
60698
31
0
配置了安全组规则，端口还是无法访问
33226
25
0
OSS的endpoint如何查看
37310
6
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
132912
28
0
重启Docker后报错：Error response from daemon
2054
0
0
域名在阿里买的，服务器在百度买的，域名备案在百度云也通过备案了，现在怎么将阿里云的域名解析到百度
3439
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

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。
  • 文献阅读：X-VECTOR--用于说话人识别的鲁棒深度神经网络嵌入
  • 用Wan2.2-S2V语音驱动视频为什么时间这么长速度这么慢？
  • 关于 modelscope-funasr 报错的问题。
  • wekws训练自定义数据集的误唤醒较高。
  • 目录空间都删的只剩2G了，还报OSError: [Errno 122] Disk quota exc
  • kantts 这个模型是什么东西啊，运行会报错
  • KeyError: 'asr-inference is not in the pipelines r
  • 一段静音或环境噪音也会识别出文字
    • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
  • 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
    • 展开全部
    还有其他疑问?
    咨询AI助理