免费音频视频语音识别转文字软件SenseVoice整合包下载,支持批量操作可生成字幕

本次分享的是阿里团队退出的一款快速免费语音识别转文字软件SenseVoice,以前分享过paraformer-zh-streaming模型的实时识别版,本次的是SenseVoiceSmall模型非实时识别版,本人二次开发优化版,可识别音频视频转为文字,支持生成字幕,支持批量操作,支持识别文本翻译为其它语言文本。


2025-06-20,更新新版,修复了一些问题

SenseVoice介绍

SenseVoice是阿里巴巴团队推出的一个语音基础模型,具有多种语音理解功能,包括自动语音识别 (ASR)、口语语言识别 (LID)、语音情感识别 (SER) 和音频事件检测 (AED)。

亮点🎯

SenseVoice专注于高精度多语言语音识别、语音情感识别和音频事件检测。

  • **多语言语音识别:**经过超过40万小时的数据训练,支持超过50种语言,识别性能超越Whisper模型。
  • 富转录:
    • 拥有卓越的情绪识别能力,在测试数据上达到并超越目前最佳情绪识别模型的有效性。
    • 提供声音事件检测能力,支持背景音乐、掌声、笑声、哭声、咳嗽声、打喷嚏声等多种常见人机交互事件的检测。
  • 高效推理: SenseVoice-Small 模型采用非自回归端到端框架,推理延迟极低。处理 10 秒音频仅需 70 毫秒,比 Whisper-Large 快 15 倍。
  • **便捷的微调:**提供便捷的微调脚本和策略,让用户根据业务场景轻松解决长尾样本问题。

SenseVoice软件使用说明

原应用不支持批量操作和生成字幕,但是大家对这两个功能还是有比较强烈需求的,所以我顺便加了这两个功能,同时增加了翻译功能。

【待处理文件】软件只支持识别音频及mp4和mkv格式视频。

【batch size】值越大识别速度越快,但是对电脑配置要求也越高,可根据电脑配置决定。

【音量阈值】就是用于屏蔽低音噪音的,如果说话人环境比较嘈杂,可以设置该值,屏蔽掉低音噪音部分,值越大,屏蔽的声音分贝越高

【原语言】原音频视频的语言,zh中文,en英语,yue粤语,ja日语,ko韩语,如果待识别文件夹内包含多种语言的文件,原语言输入框内可输入"auto",但是建议将不同语言分别开,识别的时候指定语言类型。

翻译工具国内用户用百度,国外用户用谷歌,免费申请百度翻译API可以查看下面教程《最新百度翻译api免费申请AppId和AppSecret流程,每月免费100万字符

如果你想翻译成的目标语言在列表里没有,可自行设置语言代码,百度翻译和Google翻译语言代码参考下面文章《百度翻译谷歌翻译API语言代码名称对照表》,将所需要的语言代码填入目标语言输入框里即可

【最小静音时长】这个值越小,每段字幕字数越少,值越大,字幕字数越多。根据你实际生成的字幕长度按需调节。有些特殊情况,比如有的人说话特别快中间没有停顿,而且说话能连续说很久,那么这种情况下这段字幕就会很长。这时可以手动修改srt字幕文件内容进行调节字幕时长。

【块大小】太短的片段过滤掉,值太大,有可能会造成识别内容缺少

视频教程及效果演示:音视频转文字软件SenseVoice视频教程及效果演示-诺瓦小站

注意事项

先将电脑英伟达显卡驱动更新到最新版

软件只支持windows10或11

软件运行路径中不要出现非英文字符及空格,待处理文件同样注意

支持英伟达50系列显卡

建议英伟达显存不低于2G

为了尽快显示结果,软件没有执行删除缓存操作,可以定期手动删除【temp】文件夹内的临时音频文件

如果提示:处理段*/*时出错。可以调大最小静音时长的值重新生成。

批量音视频识别转文字软件SenseVoice整合包下载链接

迅雷云盘

相关推荐
幂简集成17 小时前
通义灵码 AI 程序员低代码 API 课程实战教程
android·人工智能·深度学习·神经网络·低代码·rxjava
Tadas-Gao17 小时前
阿里云通义MoE全局均衡技术:突破专家负载失衡的革新之道
人工智能·架构·大模型·llm·云计算
xiaozhazha_17 小时前
快鹭云业财一体化系统技术解析:低代码+AI如何破解数据孤岛难题
人工智能·低代码
pan0c2317 小时前
集成学习(随机森林算法、Adaboost算法)
人工智能·机器学习·集成学习
pan0c2317 小时前
集成学习 —— 梯度提升树GBDT、XGBoost
人工智能·机器学习·集成学习
Learn Beyond Limits17 小时前
Error metrics for skewed datasets|倾斜数据集的误差指标
大数据·人工智能·python·深度学习·机器学习·ai·吴恩达
我不是小upper17 小时前
一文详解深度学习中神经网络的各层结构与功能!
人工智能·pytorch·深度学习
kingmax5421200818 小时前
概率与数理统计公式及结论汇总
人工智能·机器学习·概率论
Niuguangshuo18 小时前
深度学习:Dropout 技术
人工智能·深度学习
LLM精进之路18 小时前
美团发布 | LongCat-Flash最全解读,硬刚GPT-4.1、Kimi!
人工智能·深度学习·机器学习·语言模型·transformer