AIbase
TW
模型選型
標籤
會議場景優化

# 會議場景優化

Pyannote Segmentation
MIT
這是一個基於冪集編碼的說話人分割模型，能夠處理10秒音頻片段並識別多個說話人及其重疊情況。
說話人處理
P
it-just-works
771
0
Speaker Diarization 3.1
MIT
Pyannote音頻說話人分割管道，用於自動檢測和分割音頻中的不同說話人
說話人處理
S
fatymatariq
1,120
0
Vad
MIT
基於pyannote.audio的語音活動檢測模型，用於識別音頻中的有效語音段
語音識別
V
salmanshahid
1,794
1
Speaker Diarization V1
MIT
這是一個基於冪集多類交叉熵損失的說話人分割模型，能夠處理10秒單聲道音頻，輸出說話人分割結果。
說話人處理
S
objects76
13
0
Speaker Diarization 3.1
MIT
一個用於說話人分割和嵌入的音頻處理模型，支持自動語音活動檢測和重疊語音檢測。
說話人處理
S
tensorlake
393
2
Belle Whisper Large V3 Zh Punct
Apache-2.0
基於whisper-large-v3-zh微調的中文語音識別模型，顯著提升標點符號識別能力，保持原有性能水準。
語音識別 Transformers
B
BELLE-2
2,471
31
Belle Whisper Large V3 Zh
Apache-2.0
基於whisper-large-v3微調優化的中文語音識別模型，在多箇中文語音基準測試中性能顯著提升
語音識別 Transformers
B
BELLE-2
1,666
112
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase