Abstract
Whisper 的跨语言语音识别取得了很好的结果，但是对应的时间戳往往不准确，而且单词级别的时间戳也不能做到开箱即用(out-of-the-box). 此外，他们在处理长音频时通过缓冲转录
【Whisper】WhisperX: Time-Accurate Speech Transcription of Long-Form Audio
Dovake2024-07-17 21:07
相关推荐
不解不惑2 天前
OpenAI whisper 语音识别服务器搭建许泽宇的技术分享3 天前
用 OpenAI Whisper + pyannote.audio 打造“谁在说什么”的全栈语音理解系统这儿有一堆花13 天前
使用 Whisper 转写语音的完整教学数据饕餮1 个月前
Faster-Whisper命令和意图识别程序设计调优：上下文感知和领域词汇增强落淼喵_G1 个月前
ubuntu部署whisper+speaker_large+qwen【一】兔兔爱学习兔兔爱学习1 个月前
浏览器端实时语音采集 + WebSocket 传输 + 后端 Whisper + GPT 翻译 + 实时字幕返回兔兔爱学习兔兔爱学习1 个月前
一个可本地运行的实时字幕翻译 Demo（Whisper + GPT + Streamlit），可以边说边出中英文字幕数据饕餮1 个月前
Faster-Whisper唤醒词检测程序设计实战1说话的鲸鱼1 个月前
Whisper模型在RTranslator中的实时语音识别优化：动态资源分配与负载均衡猫头虎1 个月前
DeepSeek刚刚开源了一个3B的 OCR模型：什么是DeepSeek-OCR？单张A100-40G每天可以处理20万+页文档