阿里开源语音大模型：语音识别效果和性能强于 Whisper，还能检测掌声、笑声、咳嗽等！-工具盒子

语音识别技术在人工智能（AI）领域扮演着至关重要的角色，它不仅是人机交互的基石，也是推动智能系统发展的关键驱动力。以下是语音识别在AI领域的一些主要作用：

改善用户体验：通过语音识别，用户可以与智能设备进行自然语言交流，无需手动输入，这极大地提升了用户体验的便捷性和直观性。
数据收集与分析：语音识别可以自动转录语音数据，为企业提供大量的自然语言数据，这些数据可用于市场研究、消费者行为分析等。
智能助手和虚拟助手：语音识别是智能助手（如 Siri、Google Assistant 等）的核心功能，允许用户通过语音指令获取信息、设置提醒或控制智能家居设备。
医疗和健康领域：在医疗领域，语音识别可以帮助医生在诊断过程中记录患者信息，减少手动输入的时间，同时也可以辅助听力受损的患者与医疗人员沟通。
教育和培训：语音识别技术可以用于语言学习和语音反馈，帮助学习者提高语言能力，同时也可以用于远程教育和在线课程。

本文我将介绍 SenseVoice，它是由阿里开源的具有音频理解能力的音频基础模型，该模型拥有以下能力：

语音识别（ASR）
语种识别（LID）
语音情感识别（SER）
声学事件分类（AEC）
声学事件检测（AED）

近期热文

SenseVoice 主要功能

支持中、粤、英、日、韩语等 50 多种语言，识别效果优于 Whisper 模型。
情感识别技术在测试数据上的表现，超过了现有的最佳模型。
能够检测多种声音事件，包括音乐、掌声、笑声、哭声、咳嗽和喷嚏等常见的人机交互声音。
拥有完善的服务部署流程，能够处理多并发请求，并且支持多种客户端语言，包括 Python、C++、Java 和 C# 等。
推理速度极快，10 秒音频的推理时间仅需 70 毫秒，性能是 Whisper-Large 的 15 倍。

SenseVoice 使用示例

粤语识别

英语识别

语音情感识别

能够识别音频中的情感，比如，积极和消极等。

声学事件检测

能够识别音频文件中的掌声（👏）

长语音识别

在线示例：https://www.modelscope.cn/studios/iic/SenseVoice

SenseVoice 快速上手

1.克隆项目

https://github.com/FunAudioLLM/SenseVoice.git

2.安装项目依赖

pip install -r requirements.txt

3.直接推理

from model import SenseVoiceSmall

model_dir = "iic/SenseVoiceSmall"
m, kwargs = SenseVoiceSmall.from_pretrained(model=model_dir)


res = m.inference(
    data_in="https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/ASR/test_audio/asr_example_zh.wav",
    language="auto", # "zn", "en", "yue", "ja", "ko", "nospeech"
    use_itn=False,
    **kwargs,
)

print(res)