Whisper large-v3-turbo

1年前发布 83 0 0

Whisper large-v3-turbo是OpenAI提出的一种先进的自动语音识别(ASR)和语音翻译模型。它在超过500万小时的标记数据上进行训练,能够在零样本设置中泛化到许多数据集和领域。该模型是Whisper large-v3的微调版本,解码层从32减少到4,以提高速度,但可能会略微降低质量。

收录时间:
2025-05-30
Whisper large-v3-turboWhisper large-v3-turbo

Whisper large-v3-turbo是OpenAI提出的一种先进的自动语音识别(ASR)和语音翻译模型。它在超过500万小时的标记数据上进行训练,能够在零样本设置中泛化到许多数据集和领域。该模型是Whisper large-v3的微调版本,解码层从32减少到4,以提高速度,但可能会略微降低质量。

数据统计

相关导航

Quetzal

Quetzal

Quetzal是一个现代国际化平台,旨在帮助用户快速将产品翻译成多种语言,以获得全球新客户。该平台提供工具,支持20多种语言,与Next.js和React兼容,并且拥有快速设置流程,仅需约10分钟。Quetzal利用人工智能技术,结合应用程序的上下文,在几分钟内实现最佳翻译效果。它还提供了一个仪表板,让用户可以在一个地方查看和管理所有的字符串。产品背景信息显示,Quetzal由Quetzal Labs, Inc.在奥克兰精心打造,并且提供了一个慷慨的免费计划,直到用户添加第二种语言。
ultravox-v0_4_1-llama-3_1-8b

ultravox-v0_4_1-llama-3_1-8b

fixie-ai/ultravox-v0_4_1-llama-3_1-8b是一个基于预训练的Llama3.1-8B-Instruct和whisper-large-v3-turbo的大型语言模型,能够处理语音和文本输入,生成文本输出。该模型通过特殊的<|audio|>伪标记将输入音频转换为嵌入,并生成输出文本。未来版本计划扩展标记词汇以支持生成语义和声学音频标记,进而可以用于声码器产生语音输出。该模型在翻译评估中表现出色,且没有偏好调整,适用于语音代理、语音到语音翻译、语音分析等场景。
Vozo Video Translator

Vozo Video Translator

Vozo Video Translator是一款利用人工智能技术提供视频翻译、配音和唇形同步服务的产品。它通过精确的AI翻译技术,结合背景知识,提供定制化、符合语境的翻译,适应用户的风格和语调偏好,确保翻译结果自然流畅。Vozo Video Translator的主要优点包括准确的语境翻译、AI驱动的校对和润色、真实的语音克隆和情感保留、以及多语种的唇形同步技术。产品背景信息显示,Vozo Video Translator支持多种语言的翻译,适用于全球市场,价格方面,新用户可以获得30积分的免费试用,之后可以根据需要升级计划。

暂无评论

您必须登录才能参与评论!
立即登录
none
暂无评论...