Zana zote za AI
Utambuzi wa sauti wa AI
Hapa kuna bidhaa maarufu za AI za utambuzi wa sauti, kwa uundaji, uchakataji na kuongeza ufanisi.
Spark-ASR-2.0Utambuzi wa sauti wa AISpark-ASR-2.0 ni kizazi kipya zaidi cha modeli kubwa ya utambuzi wa sauti ya iFlytek, iliyojengwa kwa msingi wa modeli kubwa ya sauti ya Spark-Audio. Modeli hutumia usanifu shirikishi wa 'non-autoregressive + autoregressive ulioimarishwa na LLM', unaowezesha utambuzi wa mchanganyiko wa Kichina na Kiingereza, lahaja, ...00
Xiaomi-CocktailASR-1Utambuzi wa sauti wa AIXiaomi-CocktailASR-1 ni modeli kubwa ya Xiaomi ya utambuzi wa sauti wa mzungumzaji lengwa iliyotolewa kama chanzo huria. Inategemea usanifu wa mwisho hadi mwisho wa LLM na hutumia sauti ya marejeo kama kidokezo cha alama za sauti. Bila kutenganisha sauti, inaweza kunakili kwa usahihi mzungumzaji lengwa kutoka katika sauti mchanganyiko ya watu wengi...00
MAI-Transcribe-2Utambuzi wa sauti wa AIMAI-Transcribe-2 ni modeli yenye nguvu zaidi ya Microsoft ya kubadilisha sauti kuwa maandishi kwa kutumia AI, ikiongoza kikamilifu katika usahihi, kasi na gharama. Modeli hii inaauni lugha 60, huku wastani wa kiwango cha makosa ya maneno kwenye seti ya majaribio ya FLEURS ukiwa 5.2% pekee.00
SmartSub – Zana ya eneo-kazi ya chanzo huria ya kushughulikia manukuu ya sauti na video kwa njia ya kila kitu-kimojaUtambuzi wa sauti wa AISmartSub（妙幕） ni zana ya eneo-kazi ya chanzo huria ya kushughulikia manukuu ya sauti na video kwa njia ya kila kitu-kimoja. Zana hii inaunganisha mchakato mzima katika programu moja, ikitumia miundo ya ndani kama Whisper, FunASR na Qwen3-ASR kubadilisha sauti kuwa maandishi nje ya mtandao, huku ikiunga mkono zaidi ya huduma 20 za tafsiri na uigizaji wa sauti wa AI wenye wahusika wengi. Ina kipakua video za mtandaoni kilichojengewa ndani, kinachoendana na majukwaa kama B 站 na YouTube, kinaunga mkono uharakishaji wa maunzi kama NVIDIA CUDA na Apple Core ML, na huendeshwa ndani ya Windows, macOS na Linux.00
Hy ASR 3.0 preview – Muundo mpya wa kizazi kijacho wa utambuzi wa sauti kutoka Tencent HunyuanUtambuzi wa sauti wa AIHy ASR 3.0 preview – Muundo mpya wa kizazi kijacho wa utambuzi wa sauti kutoka Tencent Hunyuan ni mfumo mpya wa utambuzi wa sauti unaotegemea modeli kubwa ya lugha ya Hy3, unaounganisha utambuzi wa sauti wa usahihi wa juu na uelewa wa kina wa maana. Unaunga mkono Kichina, Kiingereza, Kikantoni na maeneo 10 makuu ya lahaja, ukiwa na uwezo wa kusahihisha makosa kwa akili kulingana na muktadha, kuingiza maneno muhimu, na kudumisha uimara katika hali changamano kama kelele nyingi na kunong’ona. WER kwenye seti ya tathmini ya wazi inadhibitiwa karibu 3%, huku seti ya tathmini iliyojengwa ndani ikizidi washindani kwa ujumla. Muundo huu unafaa kwa huduma kwa wateja mahiri, uundaji wa maudhui, utafutaji wa sauti, ushirikiano wa ofisini na vituo mahiri, na unaweza kuunganishwa kupitia Tencent Cloud API au kujaribiwa bila malipo ndani ya Tencent Yuanbao.00Zana zote katika kategoria hii zinaonyeshwa.