描述
Ming-3.0-asr-tiny 是一个复杂的语音识别模型,旨在处理中文和英文,包括各种地方方言。它将 Ling-tiny-v3 语言骨干与音频编码器集成,以有效转录单轮语音。该模型特别擅长通过将热词或前置对话作为转录提示的一部分来识别特定领域的术语。
阅读更多
该模型已在 15 个地方方言测试集上进行了评估,包括粤语、闽南语和上海话,确保其在不同语言变体中的鲁棒性。此外,它还在具有挑战性的语音场景中进行了测试,包括嘈杂环境和五个不同的应用领域,突显了其多功能性和适应性。
Ming-3.0-asr-tiny 可在配备兼容 CUDA GPU 的 Linux 机器上使用。用户可以下载完整的检查点并安装必要的依赖项,如 PyTorch 和 torchaudio。该模型支持普通转录和上下文感知的语音识别,允许用户将主题和热词直接附加到基本指令中。
该模型的架构支持将长音频分块编码,遵循模型上下文限制,尽管它不提供单词级时间戳或说话者分离。它在 MIT 许可证下发布,部分捆绑的 Apache-2.0 源文件保留其自己的头文件和许可证文本。
- 类别AI 模型与大语言模型
- 定价模式开源
- 部署云端
- 平台Linux
Ming-3.0-asr-tiny亮点
上下文感知的语音识别
中文和英文 ASR
方言识别
特定领域术语识别
处理具有挑战性的语音
Linux 兼容性
CUDA GPU 支持
MIT 许可证
Ming-3.0-asr-tiny入门
访问模型:访问 Hugging Face
认证:设置账户
设置环境:安装依赖项
通过 API 集成:使用 PyTorch/Transformers
优化:使用热词和上下文
Ming-3.0-asr-tiny的使用案例
- 多语言转录
- 方言识别
- 嘈杂环境
- 特定领域术语
- 上下文 ASR








