技术栈
说话人识别
HySpark
7 天前
声纹识别
·
智能语音
·
视觉多模态
·
说话人识别
视觉多模态说话人识别实战：从理想环境到重叠发言场景的泛化优化
在会议场景中，视觉多模态方案通常需要结合音频、人物位置、人脸跟踪和唇部运动，判断当前发言人是谁。在三个人分开坐、依次发言的环境中，这套流程相对容易工作：画面中的人物位置比较稳定，每次只有一个人说话，音频切换点也比较清晰。
胡耀超
5 个月前
语音识别
·
funasr
·
语音转文字
·
sherpa-onnx
·
声纹鉴定
·
声纹比对
·
说话人识别
告别ModelScope魔搭联网依赖！sherpa-onnx + SenseVoice 完全离线语音识别部署指南（2026版，离线语音识别、声纹鉴定、sherpa-onnx、SenseVoice）
关键词：离线语音识别、声纹鉴定、sherpa-onnx、SenseVoice、FunASR、ModelScope魔搭社区、Kaldi、语音转文字、声纹比对、说话人识别
我是有底线的