这是一个创建于 87 天前的主题，其中的信息可能已经有所发展或是发生改变。
想找一个开源的模型，大厂的模型有推荐的吗？
目前有了解 OpenAI Whisper
想满足：
1.能支持 GPU 加速
2.准确率高（降噪啥的）支持中英混合，主要是中国口音的英语（没有歧视的意思， 纯业务需求）
3. 速度尽可能的快
场景是离线的。
 | 1 liu731 PRO |
 | 2 python35 87 天前  3 就是做这个相关的，比较流行的是 kaldi2 、funasr 、wenet 、sensevoice ，都提供了很多预训练的模型，在 cuda 上都能跑， 其中 sensevoice 的 readme 写了 Multilingual Speech Recognition: Trained with over 400,000 hours of data, supporting more than 50 languages, the recognition performance surpasses that of the Whisper model. 他们的效果超过 Whisper |
 | 4 Liu6 OP 感谢各位分享！ |
 | 6 neoblackcap 87 天前 现有的 LLM 的语音识别效果应该都挺好的，但是实际操作可能得是信号处理方面下功夫。过滤背景音，音乐啥的。然后再是语音识别。 |
| 8 python35 86 天前 @Liu6 #5 个人更喜欢这个 sensevoice ，kadi2 ，背靠大公司，相对于背靠开源社区的迭代速度和训练集更有优势，kaldi2 的话生态更好从训练到部署一条龙 |
 | 10 newaccount 86 天前 用过 whisper 把吉他课转录成文本 不知道他用了哪儿的训练语料 对话过程中会有音乐，导致它能把对话成识别成周华健 我特么要是能找周华健教吉他我特么都该表演个倒立洗头 |
| 11 newaccount 86 天前 |
| 12 Liu6 OP |
| 13 newaccount 85 天前 @Liu6 #12 时间没有显示，角色自动识别的，当时随便用用主打一个省心，懒得手动整理 |
| 14 Liu6 OP @newaccount #13 paraformer-zh 这个模型可以支持 角色 和时间， 就是速度我测下来， 比 sensevoice 慢了 3 倍左右， 准确度目前还没对比 |
Select Language