语音识别遇上扩散大脑:剑桥-清华-伊利诺伊团队让机器听得更准确(如何解决语音识别的问题)
研究团队在著名的LibriSpeech数据集上进行测试，发现新系统在错误率方面比传统方法降低了12.3%，这意味着每100个词中能够减少约12个识别错误，这在语音识别领域是一个相当显著的进步。 这项研究的价值…
标签:"Whisper"相关文章
视频背景音自动转为文字：FFmpeg 8.0 引入 Whisper 音频过滤器(视频时音乐自动关闭)
8 月 16 日消息，多媒体框架 FFmpeg 开发团队发文，预热 FFmpeg 8.0 版本新增一项名为 Whisper的音频过滤器，该功能整合了 OpenAI 的 Whisper 语音识别模型…
七夕高端品牌局：品牌借在地文化，共谱浪漫消费曲(大牌七夕新款征集)
LV以个性化定制服务融合经典工艺，传递梦幻浪漫；Prada则借上海七桥之景，重构神话与现代都市的对话；巴黎世家取景沪上地标，展现都市爱情；APM以“乞巧”为灵感，推出摩斯密码系列。 Prada七夕广告大片呈现…
Mistral Voxtral 是 OpenAI Whisper 和其他 ASR 工具的开放权重竞争对手
传统 ASR 系统可以提供成本效益高的转录，但缺乏语义理解，而基于 LLM 的模型既提供转录又提供语言理解。其 API还提供了一个针对转录做过优化的 Voxtral Mini 定制版本，能帮助降低推理成本和…
Mistral首个开源语音模型来了！全面碾压Whisper，多项测试超越GPT-4o mini
在多语言基准测试FLEURS的评估中，Voxtral Small模型在所有任务上都超越了Whisperlarge-V3，并在法语和德语中占据榜单首位。 在文本方面，Voxtral保留了其基座语言模型的文本…
8秒转录30分钟播客：MacWhisper应用接入『英伟达』Parakeet模型
曾于 2023 年 2 月报道，开发者 Jordi Bruin 推出 MacWhisper 应用，主要基于 OpenAI 的 Whisper转录模型，可以在本地完成音频文件转录为文本的工作。 该媒体随后用…
45 秒AI 转录 34 分钟 4K 视频：苹果 Speech 技术力压群雄
6 月 18 日消息，科技媒体 macstories 昨日（6 月 17 日）发布博文，通过一段长达 34 分钟，7GB的视频文件实测，发现苹果全新的 Speech API 仅用 45 秒完成，比…
