颠覆性语音识别：单词级时间戳和说话人分离

最新推荐文章于 2024-08-13 15:30:16 发布
最新推荐文章于 2024-08-13 15:30:16 发布
阅读量786 收藏 3
点赞数 2
分类专栏： 智能语音 文章标签： 语音识别 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/AI_SHELL/article/details/134712714
版权

vbenjs/vue-vben-admin[1]

Stars: 19.7k  License: MIT

图片

Vue Vben Admin 是一个免费开源的中后台模板，使用最新的 vue3、vite4 和 TypeScript 等主流技术进行开发。该项目提供了现成的中后台前端解决方案，并可用于学习参考。

  • 使用先进的前端技术如 Vue3/vite2 进行开发

  • 应用级 JavaScript 语言 TypeScript

  • 可配置化主题

  • 内置完整国际化方案

  • 内置 Mock 数据方案

  • 内置完整动态路由权限生成方案

pure-admin/vue-pure-admin[2]

Stars: 10.7k  License: MIT

图片

vue-pure-admin 是一款开源免费且开箱即用的中后台管理系统模版。主要功能包括使用最新的 Vue3、Vite、Element-Plus、TypeScript 等技术进行开发。该项目具有以下核心优势和特点：

  • 精简版打包大小低于 2.3MB，在全局引入 element-plus 情况下仍然低于 350kb

  • 支持非国际化精简版和国际化精简版两个版本选择

  • 提供配套视频教程和 UI 设计文档

  • 可以在 Gitpod 在线环境中快速开始编码

  • 支持 Docker 容器部署预览

arc53/DocsGPT[3]

Stars: 6.7k  License: MIT

图片

DocsGPT 是一个开源的文档助手项目，它集成了强大的 GPT 模型，可以简化在项目文档中查找信息的过程。开发人员可以轻松提问关于项目的问题，并获得准确答案。

wasp-lang/wasp[4]

Stars: 6.1k  License: MIT

图片

Wasp 是一个用于 React、Node.js 和 Prisma 的类似 Rails 的框架，它可以快速开发全栈 Web 应用程序。以下是 Wasp 项目的主要功能和核心优势：

  • 快速入门：由于其表达能力强，您只需使用非常少量简洁、一致且声明性代码即可从头开始创建并部署生产就绪的 Web 应用程序。

  • 无样板文件：通过抽象复杂的全栈特性，减少了样板代码。这意味着更少需要维护和理解的代码！也意味着更容易升级。

  • 无锁定：您可以在任何地方部署 Wasp 应用程序。没有对特定提供商进行锁定，在代码上具有完全控制权。

其他关键功能包括 Full-stack Auth，RPC (Client <-> Server)，Simple Deployment，Jobs，Email Sending 以及 Full-stack Type Safety 等。

m-bain/whisperX[5]

Stars: 5.6k  License: BSD-4-Clause

图片

WhisperX 是一个语音识别开源项目，具有单词级时间戳和说话人分离功能。

  • 使用 whisper large-v2 进行批量推理，以达到 70 倍的实时转录

  • faster-whisper 后端更快，并且对于 large-v2 模型只需要小于 8GB GPU 内存

  • 使用 wav2vec2 对齐来获得准确的单词级时间戳

  • 利用 pyannote-audio 中的说话人分离技术进行多说话人 ASR (带有说话者 ID 标签)

  • VAD 预处理可以降低幻听问题，并在不影响 WER 情况下进行批处理

ckan/ckan[6]

Stars: 4.0k  License: NOASSERTION

图片

CKAN 是世界领先的开源数据门户平台，它使发布、共享和处理数据变得简单。作为一个数据管理系统，CKAN 提供了强大的平台来编目、存储和访问各种数据集，并具有丰富的前端界面、完整的 API (用于数据和目录)、可视化工具等功能。

  • 提供强大而易用的平台来编目、存储和访问各种类型的数据集

  • 具备全面覆盖前后端需求以及可扩展性高效能力

  • 支持自定义主题风格与多语言支持

相关链接

1、vbenjs/vue-vben-admin: https://github.com/vbenjs/vue-vben-admin

2、pure-admin/vue-pure-admin: https://github.com/pure-admin/vue-pure-admin

3、arc53/DocsGPT: https://github.com/arc53/DocsGPT

4、wasp-lang/wasp: https://github.com/wasp-lang/wasp

5、m-bain/whisperX: https://github.com/m-bain/whisperX

6、ckan/ckan: https://github.com/ckan/ckan

希尔贝壳AISHELL
关注
专栏目录
前端开发：JS中时间戳和时间之间的转换
软贱开发攻城狮
06-11 1万+
首先来了解一下时间戳的概念，时间戳其实就是通过运用时间来标记事件，使用数字签名技术产生的数据。能够表示一份数据在某一个特定时间点存在的完整的可验证的数据，经过标记的时间有次序地排列。时间戳可以证明在某个时间段发生的事情，且任何人都无法擅自修改，签名的对象包括原始文件信息、签名参数、签名事件等信息。JS获取当前时间戳的方式有三种，具体如下所示：方法一、 方法二、 方法三、 上述三种获取时间戳的方法的区别：方法一获取到的时间戳是把毫秒改成000来显示，方法二和方法三是获取到了当前毫秒的时间戳。
【JS】JavaScript时间与时间戳相互转换 | 时间yyyy-MM-dd HH:mm:ss转为时间戳，时间戳转换为时间yyyy-MM-dd HH:mm:ss
热门推荐
余浩的博客
11-18 6万+
时间与时间戳相互转换1.2 时间 (JS常用时间类型)1.2.1 GMT-格林尼治标准时1.2.2 UTC- 协调世界时1.2.3 中国标准时间1.2.4 ISO8601标准时间格式1.2.5 时间戳（timestamp）1. 时间转换为时间戳2. 时间戳转换为时间3. 时间yyyy-MM-dd HH:mm:ss的含义 1.2 时间 (JS常用时间类型) 1.2.1 GMT-格林尼治标准时 1.2.2 UTC- 协调世界时 1.2.3 中国标准时间 JS中new date()直接输出便是以下格式: Thu
whisperx语音识别框架，语音识别文字的识别率高达百分之90以上，可作为毕业设计，下载即可运行
09-12
whisperx语音识别框架，语音识别文字的识别率高达百分之90以上，可作为毕业设计，下载即可运行。
WhisperX: 带时间戳的自动语音识别及说话人分离
gitblog_01018的博客
08-09 1613
WhisperX: 带时间戳的自动语音识别及说话人分离 项目地址:https://gitcode.com/gh_mirrors/wh/whisperX 项目介绍 WhisperX 是一个基于 OpenAI 的 Whisper 模型扩展，提供了单词级别的时间戳功能，并集成了说话人识别（Diarization）。该工具允许开发者和研究人员精确地同步文本到音频，并能区分不同说话人的语音。Whisper...
WhisperX
AI + 工程
07-21 1244
一、关于 WhisperX 新闻 🚨 二、设置⚙️ 1、创建Python3.10环境 2、安装PyTorch，例如Linux和Windows CUDA11.8： 3、安装此repo 4、Speaker Diarization 三、使用💬（命令行） 1、English 2、他语言 例如德语 四、Python使用🐍 五、Demos 🚀 六、技术细节👷‍♂️ 七、限制⚠️
whisperX 语音识别本地部署
Manba
06-17 6990
封装上述代码，初始化时调用一次loadModel()方法，之后使用就直接调用asr(path)方法。将下载的包解压到你想要的路径，然后配置系统环境：我的电脑->高级系统设置->环境变量->Path。3、安装Annaconda或Minconda环境。zhconv是中文简体繁体转换的库，安装命令如下。5、conda环境安装指定位置的虚拟环境。1、在操作系统中安装 Python环境。7、安装WhisperX库。8、更新WhisperX库。9、在Python中使用。2、安装 CUDA环境。
WhisperX：革命性的自动语音识别工具
gitblog_00119的博客
08-09 1356
WhisperX：革命性的自动语音识别工具 项目地址:https://gitcode.com/gh_mirrors/wh/whisperX 项目介绍 WhisperX 是一个开源的自动语音识别（ASR）项目，由 m-bain 开发。该项目基于 OpenAI 的 Whisper 模型，通过引入批量推理、强制音素对齐和语音活动检测等技术，实现了高达 70 倍的实时转录速度，并提供了准确的单词级时间戳和...
字幕切分视频
丝萝愿为乔木的博客
07-18 1997
开口说话到，发出音，大概有13，14，12,20,帧左右的误差，也就是说有0.8S左右的误差，所以建议，如果取无声音频，end要往前挪10帧。WhisperX：跑完：143S ，11段前，对10段，18段中，对17段，5段后，对5段。一句话说完，从没有声音到完全闭上嘴，大概有5帧，8帧，10帧左右，大概有0.4S左右的误差。Tiny: 跑完：142S ，11段前，对0段，18段中，对10段，5段后，对5段。Large:跑完：941S，11段前，对0段，18段中，对2段，5段后，对4段。
实战whisper：本地化部署通用语音识别模型
我是你大爷
01-16 5517
Whisper 是一种语音识别模型，可以执行多语言语音识别、语音翻译和语言识别、支持附加时间戳的字幕导出功能等功能。这里呢，我将给出我的一些代码，来帮助你尽快实现【语音转文字】的服务部署。
10个适合后端程序员的前端框架
woaimx_1314的博客
07-02 766
对于后端程序员而言选择一款操作简单、美观、简洁的前端框架对于我们生成效率的提高是极具影响力的。今天主要推荐如下10个前端框架，希望有一款适合你。本文中的所有前端框架都已经收录到适合后端程序员的前端框架GitHub Issues知识库中，假如大家有更好前端框架推荐欢迎到以下GitHub项目地址留言或者在文末留言（注意：排名不分先后，都是十分优秀的开源框架和项目💖）。🚤适合后端程序员的前端框架 · Issue #12 · YSGStudyHards/DotNetGuide · GitHub。
timestamps:使用TCP时间戳识别一个公共IP后面的多个主机的PoC脚本
05-15
时间戳记 poc-script通过基于不同TCP时间戳的防火墙来标识不同主机。 全文： :
C语言_微调Whisper语音识别模型，支持无时间戳数据训练和无语音数据训练。加速推理，支持Web部署Windows桌.zip
最新发布
11-13
c语言
语音识别（实时语音转录）——funasr的详细部署和使用教程(包括实时语音转录)
qq_34717531的博客
08-13 5384
阿里达摩院开源大型端到端语音识别工具包FunASR：FunASR提供了在大规模工业语料库上训练的模型，并能够将其部署到应用程序中。工具包的核心模型是Paraformer，这是一个非自回归的端到端语音识别模型，经过手动注释的普通话语音识别数据集进行了训练，该数据集包含60,000小时的语音数据。为了提高Paraformer的性能，本文在标准的Paraformer基础上增加了时间戳预测和热词定制能力。
探索 Vue-Vben-Admin：构建现代Web应用的新选择
gitblog_00045的博客
03-19 437
探索 Vue-Vben-Admin：构建现代Web应用的新选择 vue-vben-adminvbenjs/vue-vben-admin: 是一个基于 Vue.js 和 Element UI 的后台管理系统，支持多种数据源和插件扩展。该项目提供了一个完整的后台管理系统，可以方便地实现数据的查询和管理，同时支持多种数据库和插件扩展。项目地址:https://gitcode.com/gh_mirror...
各类值得收藏的开源项目推荐介绍
程序员小杨哥的博客
10-29 2750
对于测开同学来讲，现在想要开发一个项目，很多时候都不需要自己从零开始重复造轮子。目前市面上已经很多大佬们开源了一些非常不错的项目可以供大家学习借鉴使用。
＜ 开源项目框架：推荐几个开箱即用的开源管理系统 - 让开发不再复杂 ＞
一个平平无奇的技术宅
03-11 5735
推荐几个开箱即用的开源管理系统 - 让开发不再复杂
探索未来前端：Vben3框架深度解析
gitblog_00053的博客
04-27 869
探索未来前端：Vben3框架深度解析 去发现同类优质开源项目:https://gitcode.com/ 是一个基于Vue3构建的企业级后台管理系统模板，旨在提供一套完整、高效的前端解决方案。本文将深入探讨其技术特性、应用场景和优势，帮助开发者更好地理解和利用这一优秀项目。 项目简介 Vben3以简洁优雅的设计风格和强大的功能特性，为开发高质量企业应用提供了便利。它融合了Ant Design Vue...
实战whisper第二天：直播语音转字幕（全部代码和详细部署步骤）
qq_34717531的博客
03-21 5144
基于Whisper的实时直播语音转录或翻译是一项使用OpenAI的Whisper模型实现的技术，它能够实时将直播中的语音内容转录成文本，甚至翻译成另一种语言。这一过程大致分为三个步骤：捕获直播音频流、语音识别（转录）以及翻译（如果需要）。下面详细解释其原理和意义。
使用WebAPI实现语音识别：接入指南与Python示例
本文档主要介绍了如何通过WebAPI接口实现语音识别功能，并详细讲解了接入过程中的关键步骤。首先，介绍的是WebAPI在语音识别中的作用，它提供了一种便捷的方式来调用AI技术，以便在Web应用程序中集成语音识别功能。 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值