7 月 9 日消息，阿里云通義千問開源了兩款語音基座模型 SenseVoice（用于語音識別）和 CosyVoice（用于語音生成）。0xc28資訊網——每日最新資訊28at.com

0xc28資訊網——每日最新資訊28at.com

SenseVoice 專注于高精度多語言語音識別、情感辨識和音頻事件檢測，有以下特點：0xc28資訊網——每日最新資訊28at.com

多語言識別：采用超過 40 萬小時數據訓練，支持超過 50 種語言，識別效果上優于 Whisper 模型0xc28資訊網——每日最新資訊28at.com

富文本識別：具備優秀的情感識別，能夠在測試數據上達到和超過目前最佳情感識別模型的效果；支持聲音事件檢測能力，支持音樂、掌聲、笑聲、哭聲、咳嗽、噴嚏等多種常見人機交互事件進行檢測0xc28資訊網——每日最新資訊28at.com

高效推理：SenseVoice-Small 模型采用非自回歸端到端框架，推理延遲極低，10s 音頻推理僅耗時 70ms，15 倍優于 Whisper-Large0xc28資訊網——每日最新資訊28at.com

微調定制：具備便捷的微調腳本與策略，方便用戶根據業務場景修復長尾樣本問題0xc28資訊網——每日最新資訊28at.com

服務部署：具有完整的服務部署鏈路，支持多并發請求，支持的客戶端語言有 python、c++、html、java 與 c#等0xc28資訊網——每日最新資訊28at.com

與開源情感識別模型進行對比，SenseVoice-Large 模型可以在幾乎所有數據上都達到了最佳效果，而 SenseVoice-Small 模型同樣可以在多數數據集上取得超越其他開源模型的效果。0xc28資訊網——每日最新資訊28at.com

0xc28資訊網——每日最新資訊28at.com

CosyVoice 模型同樣支持多語言、音色和情感控制，該模型在多語言語音、零樣本語音生成、跨語言語音克隆和指令跟隨等功能方面表現出色。0xc28資訊網——每日最新資訊28at.com

附相關鏈接：0xc28資訊網——每日最新資訊28at.com

SenseVoice：https://github.com/FunAudioLLM/SenseVoice0xc28資訊網——每日最新資訊28at.com

CosyVoice：https://github.com/FunAudioLLM/CosyVoice0xc28資訊網——每日最新資訊28at.com

本文鏈接：http://www.www897cc.com/showinfo-45-5094-0.html阿里云通義千問開源兩款語音基座模型，識別效果優于 OpenAI Whisper

聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇： “國內首款破局性 AI 開發工具”，中國電信發布星辰軟件工廠：產品文檔生成代碼

下一篇： 振興鄉村發展 助力青少年教育 中國三星連續十一年蟬聯企業社會責任榜外企第一