reverb-asr

reverb-asr

基于大规模人工标注数据的开源语音识别模型

这是一个基于20万小时人工标注语音数据训练的开源语音识别系统。采用CTC/attention联合架构,同时支持CPU和GPU部署。系统的特色在于通过verbatimicity参数实现对转录详细程度的精确控制,可输出从简洁到完整逐字的多种转录风格。支持attention、CTC等多种解码方式,适合不同应用场景。

语音处理语音识别Github模型开源项目HuggingfaceReverb ASR人工智能自动语音转录

reverb-asr项目介绍

reverb-asr是一个由Rev公司开发的开源自动语音识别(ASR)系统。这个项目旨在提供世界上最准确的英语语音识别模型,同时具有高效的模型架构,可以在CPU或GPU上运行。

训练数据

reverb-asr模型是在20万小时的英语语音数据上训练的,这些数据全部由人工专家进行了转录。这是有史以来用于训练开源模型的最大的人工转录音频语料库。如此高质量和大规模的数据为模型的高准确度奠定了基础。

主要特点

  1. 高准确度:由于使用了大规模高质量的训练数据,reverb-asr成为了世界上最准确的英语语音识别系统之一。

  2. 灵活的输出风格:用户可以控制转录输出的逐字性(verbatimicity)水平。可以选择完全逐字转录、完全非逐字转录,或者介于两者之间的任何程度。

  3. 多种解码模式:支持多种解码方式,包括attention、CTC贪婪搜索、CTC前缀束搜索、attention rescoring和联合解码等。

  4. 高效架构:采用了高效的模型架构,可以在CPU或GPU上运行,适应不同的硬件环境。

技术细节

reverb-asr使用了联合CTC/attention架构,这种架构在语音识别领域已经证明了其有效性。项目主要基于WeNet开源框架进行开发,并进行了一些Rev公司特定的修改。

使用方法

用户可以通过命令行工具使用reverb-asr模型进行语音识别。使用时可以指定解码模式、verbatimicity参数等。此外,项目还提供了一个在HuggingFace上的在线演示,方便用户直接体验模型的效果。

性能评估

项目提供了详细的性能评估脚本和结果,用户可以参考这些信息来了解模型在各种基准测试中的表现。

开源贡献

reverb-asr是一个开源项目,欢迎社区成员参与贡献。项目特别感谢WeNet团队的工作和开源贡献。

总的来说,reverb-asr项目为语音识别领域带来了一个高准确度、功能丰富且灵活的开源解决方案。无论是学术研究还是实际应用,这个项目都提供了宝贵的资源和工具。

编辑推荐精选

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手,复杂任务高效处理

AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!

TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI助手AI工具AI写作工具AI辅助写作蛙蛙写作学术助手办公助手营销助手
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

聊天机器人AI助手热门AI工具AI对话
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

下拉加载更多