PhoWhisper-large
越南语自动语音识别模型PhoWhisper
PhoWhisper是一个基于多语言Whisper模型开发的越南语语音识别系统，提供五个不同版本。该模型通过844小时的多方言越南语数据集训练，适用于越南语音转文字、字幕生成等应用场景。在越南语ASR基准测试中表现优异，项目论文已被ICLR 2024收录。
项目概述
PhoWhisper是一个专门面向越南语的自动语音识别系统，提供了5个不同版本。该项目是基于OpenAI的多语言Whisper模型，通过在大规模越南语语音数据集上进行微调而来。
技术特点
此项目的一个显著特点是其强大的鲁棒性。研究团队使用了包含多种越南语口音的844小时数据集进行模型微调，使得模型能够适应不同的语音变体。通过在越南语基准语音识别数据集上的测试，PhoWhisper展现出了最先进的性能表现。
开源许可
PhoWhisper采用Apache-2.0开源许可证，这意味着用户可以自由使用、修改和分发该软件。
应用价值
作为一个专门针对越南语优化的语音识别系统，PhoWhisper在越南语言处理领域具有重要的研究和应用价值。它可以用于多种实际场景，如语音转文字、语音助手等应用中。
研究成果
该项目的研究成果已被ICLR 2024 Tiny Papers track收录，这证明了其在学术界的认可度。研究团队建议在使用PhoWhisper产生研究成果或将其整合到其他软件中时，应当引用其相关论文。
技术支持
项目在GitHub上维护了专门的主页，用户可以通过访问项目主页获取更多技术细节和支持信息。对于进一步的信息需求或技术请求，都可以通过项目主页进行咨询和反馈。
编辑推荐精选
GPT Plus｜Pro充值
GPT充值
支持 ChatGPT Plus / Pro 充值服务，支付便捷，自动发货，售后可查。
GPT Image 2中文站
AI 图片生成平台
GPT Image 2 是面向用户的 AI 图片生成平台，支持文生图、图生图及多模型创意工作流。
Vecbase
你的AI Agent团队
Vecbase 是专为 AI 团队打造的智能工作空间，将数据管理、模型协作与知识沉淀整合于一处。算法、产品与业务在同一平台无缝协同，让从数据到 AI 应用的落地更快一步。
音述AI
全球首个AI音乐社区
音述AI是全球首个AI音乐社区，致力让每个人都能用音乐表达自我。音述AI提供零门槛AI创作工具，独创GETI法则帮助用户精准定义音乐风格，AI润色功能支持自动优化作品质感。音述AI支持交流讨论、二次创作与价值变现。针对中文用户的语言习惯与文化背景进行专门优化，支持国风融合、C-pop等本土音乐标签，让技术更好地承载人文表达。
QoderWork
阿里Qoder团队推出的桌面端AI智能体
QoderWork 是阿里推出的本地优先桌面 AI 智能体，适配 macOS14+/Windows10+，以自然语言交互实现文件管理、数据分析、AI 视觉生成、浏览器自动化等办公任务，自主拆解执行复杂工作流，数据本地运行零上传，技能市场可无限扩展，是高效的 Agentic 生产力办公助手。
lynote.ai
一站式搞定所有学习需求
不再被海量信息淹没，开始真正理解知识。Lynote 可摘要 YouTube 视频、PDF、文章等内容。即时创建笔记，检测 AI 内容并下载资料，将您的学习效率提升 10 倍。
AniShort
为AI短剧协作而生
专为AI短剧协作而生的AniShort正式发布，深度重构AI短剧全流程生产模式，整合创意策划、制作执行、实时协作、在线审片、资产复用等全链路功能，独创无限画布、双轨并行工业化工作流与Ani智能体助手，集成多款主流AI大模型，破解素材零散、版本混乱、沟通低效等行业痛点，助力3人团队效率提升800%，打造标准化、可追溯的AI短剧量产体系，是AI短剧团队协同创作、提升制作效率的核心工具。
seedancetwo2.0
能听懂你表达的视频模型
Seedance two是基于seedance2.0的中国大模型，支持图像、视频、音频、文本四种模态输入，表达方式更丰富，生成也更可控。
nano-banana纳米香蕉中文站
国内直接访问，限时3折
输入简单文字,生成想要的图片，纳米香蕉中文站基于 Google 模型的 AI 图片生成网站，支持文字生图、图生图。官网价格限时3折活动
扣子-AI办公
职场AI，就用扣子
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！
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号