Zum Hauptinhalt springen
ToolPotion
KI-Berater
Einreichen

Ming-3.0-asr-tiny

KI-ModelleKI-Modelle & LLMsOpen Source · Linux

Ming-3.0-asr-tiny ist ein kontextbewusstes Spracherkennungsmodell für Chinesisch, Englisch und verschiedene Dialekte. Es transkribiert Sprache mithilfe eines Sprach-Backbones und eines Audioencoders und unterstützt fachspezifische Begriffe durch Hotwords.

Modell ansehen
Teilen
Modell ansehen
Teilen

Ming-3.0-asr-tiny ist ein anspruchsvolles Spracherkennungsmodell, das sowohl Chinesisch als auch Englisch, einschließlich verschiedener regionaler Dialekte, verarbeiten kann. Es integriert das Ling-tiny-v3 Sprach-Backbone mit einem Audioencoder, um Einzeldialoge effektiv zu transkribieren. Dieses Modell ist besonders gut darin, fachspezifische Begriffe zu erkennen, indem es Hotwords oder vorhergehende Dialoge als Teil des Transkriptionsprompts einbezieht.

Weiterlesen

Das Modell wurde an 15 Testsets regionaler Dialekte evaluiert, darunter Kantonesisch, Minnan und Shanghainesisch, was seine Robustheit über verschiedene sprachliche Variationen hinweg sicherstellt. Darüber hinaus wurde es in herausfordernden Sprachszenarien getestet, einschließlich lauter Umgebungen und fünf verschiedenen Anwendungsbereichen, was seine Vielseitigkeit und Anpassungsfähigkeit hervorhebt.

Ming-3.0-asr-tiny ist für die Verwendung auf einem Linux-Rechner mit einer kompatiblen CUDA-GPU verfügbar. Benutzer können den vollständigen Checkpoint herunterladen und notwendige Abhängigkeiten wie PyTorch und torchaudio installieren. Das Modell unterstützt sowohl gewöhnliche Transkription als auch kontextbewusste Spracherkennung, sodass Benutzer Themen und Hotwords direkt zur Basisanweisung hinzufügen können.

Die Architektur des Modells unterstützt die Kodierung langer Audios in Abschnitten, wobei das Kontextlimit des Modells eingehalten wird, obwohl es keine zeitlichen Stempel auf Wortebene oder Sprecherdiarisierung bietet. Es wird unter der MIT-Lizenz veröffentlicht, wobei einige gebündelte Apache-2.0-Quellcodedateien ihre eigenen Header und Lizenztexte beibehalten.

  • KategorieKI-Modelle & LLMs
  • PreismodellOpen Source
  • BereitstellungCloud
  • PlattformenLinux

  • Kontextbewusste Spracherkennung

  • Chinesische und englische ASR

  • Dialekterkennung

  • Erkennung fachspezifischer Begriffe

  • Umgang mit herausfordernder Sprache

  • Linux-Kompatibilität

  • CUDA-GPU-Unterstützung

  • MIT-Lizenz

  1. Modellzugriff: Besuchen Sie Hugging Face

  2. Authentifizierung: Konto einrichten

  3. Umgebung einrichten: Abhängigkeiten installieren

  4. Integration über API: PyTorch/Transformers verwenden

  5. Optimierung: Hotwords und Kontext verwenden

  • Mehrsprachige Transkription
  • Dialekterkennung
  • Lauter Umgebung
  • Fachspezifische Begriffe
  • Kontextuelle ASR

Ming-3.0-asr-tiny Bewertungen

Wird geladen...

Beliebte KI-Tools wie Ming-3.0-asr-tiny

Qwen3-ASR-1.7B-hf ist ein fortschrittliches Open-Source-ASR-Modell, das Sprachidentifikation und Spracherkennung für 52 Sprachen und Dialekte unterstützt. Es bietet qualitativ…

KI-Modelle & LLMs
Tool ansehen

Fortschrittliches Open-Source-ASR-Modell, das Sprachidentifikation und Spracherkennung für 52 Sprachen und Dialekte unterstützt. Es bietet qualitativ…Qwen3-ASR-1.7B-hf ist ein fortschrittliches Open-Source-ASR-Modell, das Sprachidentifikation und Spracherkennung für 52 Sprachen und Dialekte unterstützt. Es bietet qualitativ…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

OpenAI Whisper ist ein vortrainiertes Modell für automatische Spracherkennung und Übersetzung. Es unterstützt mehrere Sprachen und ist so konzipiert, dass es ohne Feinabstimmung…

KI-Modelle & LLMs
Tool ansehen

Vortrainiertes Modell für automatische Spracherkennung und Übersetzung. Es unterstützt mehrere Sprachen und ist so konzipiert, dass es ohne Feinabstimmung…OpenAI Whisper ist ein vortrainiertes Modell für automatische Spracherkennung und Übersetzung. Es unterstützt mehrere Sprachen und ist so konzipiert, dass es ohne Feinabstimmung…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

Whisper-large-v3 ist ein fortschrittliches Modell für automatische Spracherkennung und Sprachübersetzung, das auf über 5 Millionen Stunden Daten trainiert wurde. Es bietet…

KI-Modelle & LLMs
Tool ansehen

Fortschrittliches Modell für automatische Spracherkennung und Sprachübersetzung, das auf über 5 Millionen Stunden Daten trainiert wurde. Es bietet…Whisper-large-v3 ist ein fortschrittliches Modell für automatische Spracherkennung und Sprachübersetzung, das auf über 5 Millionen Stunden Daten trainiert wurde. Es bietet…

EmpfohlenKI-Modelle & LLMs
Top 5 KI-Modelle ansehen

Ming-3.0-tts-tiny ist ein mehrsprachiges Sprachsynthesemodell mit paralinguistischen und freiformlichen Steuerungsmöglichkeiten. Es unterstützt Zero-Shot-Stimmenklonierung und…

Text-to-Speech
Tool ansehen

Mehrsprachiges Sprachsynthesemodell mit paralinguistischen und freiformlichen Steuerungsmöglichkeiten. Es unterstützt Zero-Shot-Stimmenklonierung und…Ming-3.0-tts-tiny ist ein mehrsprachiges Sprachsynthesemodell mit paralinguistischen und freiformlichen Steuerungsmöglichkeiten. Es unterstützt Zero-Shot-Stimmenklonierung und…

Text-to-Speech
Top 5 KI-Modelle ansehen

Qwen1.5-110B ist ein transformer-basiertes Sprachmodell, das erhebliche Leistungsverbesserungen, mehrsprachige Unterstützung und eine stabile Kontextlänge von 32K bietet. Ideal…

KI-Modelle & LLMs
Tool ansehen

Transformer-basiertes Sprachmodell, das erhebliche Leistungsverbesserungen, mehrsprachige Unterstützung und eine stabile Kontextlänge von 32K bietet. Ideal…Qwen1.5-110B ist ein transformer-basiertes Sprachmodell, das erhebliche Leistungsverbesserungen, mehrsprachige Unterstützung und eine stabile Kontextlänge von 32K bietet. Ideal…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

Wav2Vec2 Large XLSR-53 ist ein vortrainiertes Sprachmodell, das für die sprachübergreifende Spracherkennung entwickelt wurde. Es erfordert eine Feinabstimmung für spezifische…

KI-Modelle & LLMs
Tool ansehen

Vortrainiertes Sprachmodell, das für die sprachübergreifende Spracherkennung entwickelt wurde. Es erfordert eine Feinabstimmung für spezifische…Wav2Vec2 Large XLSR-53 ist ein vortrainiertes Sprachmodell, das für die sprachübergreifende Spracherkennung entwickelt wurde. Es erfordert eine Feinabstimmung für spezifische…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

Sesame CSM ist ein konversationales Sprachmodell, das Audio-Codes aus Text- und Audioeingaben generiert. Es nutzt ein Llama-Backbone und ist für Forschungs- und Bildungszwecke…

KI-Modelle & LLMs
Tool ansehen

Konversationales Sprachmodell, das Audio-Codes aus Text- und Audioeingaben generiert. Es nutzt ein Llama-Backbone und ist für Forschungs- und Bildungszwecke…Sesame CSM ist ein konversationales Sprachmodell, das Audio-Codes aus Text- und Audioeingaben generiert. Es nutzt ein Llama-Backbone und ist für Forschungs- und Bildungszwecke…

EmpfohlenKI-Modelle & LLMs
Top 5 KI-Modelle ansehen

Whisper Large V3 Turbo ist ein hochmodernes Modell für automatische Spracherkennung und Übersetzung, das für Geschwindigkeit mit reduzierten Dekodierungsschichten optimiert ist.…

KI-Modelle & LLMs
Tool ansehen

Hochmodernes Modell für automatische Spracherkennung und Übersetzung, das für Geschwindigkeit mit reduzierten Dekodierungsschichten optimiert ist.…Whisper Large V3 Turbo ist ein hochmodernes Modell für automatische Spracherkennung und Übersetzung, das für Geschwindigkeit mit reduzierten Dekodierungsschichten optimiert ist.…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen
1 von 8