Barcha AI vositalari
AI ovozli tanib olish
Bu yerda ijod, qayta ishlash va samaradorlikni oshirish kabi keng tarqalgan foydalanish holatlarini qamrab oluvchi, AI ovozli tanib olish yo‘nalishidagi mashhur AI mahsulotlari jamlangan.
Spark-ASR-2.0AI ovozli tanib olishSpark-ASR-2.0 — iFlytek kompaniyasining Spark-Audio ovozli bazaviy katta modeli asosida yaratilgan eng yangi avlod nutqni tanish katta modeli. Model "autoregressiv bo‘lmagan + LLM bilan kuchaytirilgan autoregressiv" hamkorlik arxitekturasidan foydalanib, xitoycha va inglizcha aralash nutq, shevalar, professional...00
Xiaomi-CocktailASR-1AI ovozli tanib olishXiaomi-CocktailASR-1 — Xiaomi tomonidan ochiq manba sifatida taqdim etilgan, maqsadli so‘zlovchini tanib nutqni matnga aylantiruvchi yirik model. LLM asosidagi end-to-end arxitekturaga ega bo‘lib, referens audiodan ovoz izi ko‘rsatkichi sifatida foydalanadi va nutqni ajratmasdan, bir nechta so‘zlovchi aralashgan audiodan maqsadli so‘zlovchi nutqini aniq transkripsiya qiladi...00
MAI-Transcribe-2AI ovozli tanib olishMAI-Transcribe-2 — Microsoft tomonidan taqdim etilgan eng kuchli AI nutqni matnga aylantirish modeli bo‘lib, aniqlik, tezlik va xarajat bo‘yicha har tomonlama yetakchilik qiladi. Model 60 ta tilni qo‘llab-quvvatlaydi, FLEURS test to‘plamida o‘rtacha so‘z xatolik darajasi atigi 5.2% ni tashkil etadi.00
SmartSub – Ochiq kodli, audio va video subtitrlarini qayta ishlash uchun yagona desktop vositaAI ovozli tanib olishSmartSub (妙幕) — ochiq kodli, audio va video subtitrlarini qayta ishlash uchun yagona desktop vosita. Vosita butun jarayonni bitta ilovaga birlashtiradi: Whisper, FunASR, Qwen3-ASR kabi mahalliy modellar asosida ovozni matnga oflayn aylantiradi, 20 dan ortiq tarjima xizmati va bir nechta rolli AI ovozlashtirishni qo‘llab-quvvatlaydi. O‘rnatilgan onlayn video yuklagich B站, YouTube kabi platformalar bilan mos keladi. NVIDIA CUDA, Apple Core ML kabi apparat tezlashtirish texnologiyalari qo‘llanadi va Windows, macOS, Linux platformalarida mahalliy ishlaydi.00
Hy ASR 3.0 preview – Tencent Hunyuan tomonidan taqdim etilgan yangi avlod nutqni tanib olish modeliAI ovozli tanib olishHy ASR 3.0 preview — Tencent Hunyuan tomonidan taqdim etilgan, Hy3 katta til modeliga asoslangan yangi avlod nutqni tanib olish tizimi bo‘lib, yuqori aniqlikdagi nutqni tanib olish va chuqur semantik tushunishni birlashtiradi. U xitoy tili, ingliz tili, kanton tili va 10 ta yirik sheva hududini qo‘llab-quvvatlaydi, kontekst asosida aqlli tuzatish, muhim so‘zlarni kiritish hamda kuchli shovqin va pichirlash kabi murakkab sharoitlarda barqaror ishlash imkoniyatiga ega. Ochiq baholash to‘plamida WER taxminan 3% darajasida saqlanadi, maxsus tuzilgan baholash to‘plamida esa raqobatchilardan har tomonlama ustun. Model aqlli mijozlarga xizmat ko‘rsatish, kontent yaratish, ovozli qidiruv, ofis hamkorligi va aqlli qurilmalar kabi sohalarda qo‘llanadi. U Tencent Cloud API orqali ulanishi yoki Tencent Yuanbao’da bepul sinab ko‘rilishi mumkin.00Bu kategoriyadagi barcha vositalar ko‘rsatilgan.