提交您的產(chǎn)品 
Ai應(yīng)用
Ai資訊
AI生圖
AI生視頻
AI數(shù)字人系統(tǒng)
SenseVoice
SenseVoice簡介
SenseVoice，一款阿里通義實驗室發(fā)布的FunAudioLLM框架多語言音頻基礎(chǔ)模型，enseVoice專注于高精度多語言語音識別、語音情感識別和音頻事件檢測，具有多語種、混合語言、音色和情感控制能力，在零樣本語音生成、跨語言語音克隆和指令跟蹤方面的能力表現(xiàn)優(yōu)秀。
FunAudioLLM 通過結(jié)合先進的語音理解和生成技術(shù)，可以處理復雜的語音任務(wù)，并在多種語言環(huán)境中實現(xiàn)自然交。
SenseVoice可以應(yīng)用于語音翻譯、情感語音聊天、互動播客和富有表現(xiàn)力的有聲讀物朗讀等。
SenseVoice具有音頻理解能力，包括語音識別（ASR）、語種識別（LID）、語音情感識別（SER）和聲學事件分類（AEC）或聲學事件檢測（AED）
SenseVoice性能：
多語言語音識別：經(jīng)過超過40萬小時的數(shù)據(jù)訓練，支持50多種語言，識別性能超越Whisper模型。
豐富轉(zhuǎn)錄：
擁有優(yōu)秀的情緒識別能力，在測試數(shù)據(jù)上達到并超越目前最好的情緒識別模型的效果。
提供聲音事件檢測能力，支持bgm、掌聲、笑聲、哭泣、咳嗽、打噴嚏等各種常見人機交互事件的檢測。
高效推理：SenseVoice-Small 模型采用非自回歸端到端框架，從而實現(xiàn)極低的推理延遲。處理 10 秒的音頻僅需 70ms，比 Whisper-Large 快 15 倍。
便捷的Finetuning：提供便捷的Finetuning腳本和策略，讓用戶根據(jù)業(yè)務(wù)場景輕松解決長尾樣本問題。
服務(wù)部署：提供服務(wù)部署管道，支持多并發(fā)請求，客戶端語言包括Python、C++、HTML、Java、C#等。
在aiSHELL-1、AISHELL-2、Wenetspeech、Librispeech和Common Voice上測試了多語言語音識別性能和推理效率，中文和粵語，SenseVoice-Small效果好。
github：https://github.com/FunAudioLLM/SenseVoice
