Mms 300m 1130 Forced Aligner
M
Mms 300m 1130 Forced Aligner
由MahmoudAshraf開發
基於Hugging Face預訓練模型的文本與音頻強制對齊工具,支持多種語言,內存效率高
下載量 2.5M
發布時間 : 5/2/2024
模型概述
該模型利用Hugging Face的CTC預訓練模型實現音頻與文本的強制對齊功能,相比傳統方法顯著降低內存消耗。適用於語音識別、語音標註等場景。
模型特點
高效內存使用
相比TorchAudio的強制對齊API,顯著降低了內存消耗
多語言支持
支持超過100種語言的強制對齊
基於wav2vec2架構
採用先進的wav2vec2模型架構,確保對齊精度
簡單易用
提供清晰的Python API接口,便於集成到現有工作流
模型能力
音頻與文本強制對齊
語音識別
語音標註
多語言處理
使用案例
語音處理
字幕生成
為視頻內容生成精確的時間對齊字幕
提高字幕與語音的同步精度
語音標註
為語音數據集生成精確的單詞級時間標註
提升語音識別模型的訓練數據質量
語言學研究
語音分析
分析不同語言的語音特徵和發音模式
支持多語言語音學研究
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98