WhimRead 需要 JavaScript 才能使用站内搜索。
Whim
Read
随手一翻
发现
全部工具
推荐
惊喜
关于
搜索
English
模型
MOSS-Transcribe-Diarize
OpenMOSS/MOSS-Transcribe-Diarize
零点九
B长时多
说话
人
转录
与
分离
开源
模型,
支持
五十
余
语
种
时间
戳
与
声学
事件
感知。
去 GitHub 看仓库
复制链接
标签
audio
multilingual
speaker-diarization
speech-recognition
subtitles
transcription
同类项目
voxcpm
39.3k
免
分词
端
到
端多
语
种
语音
合成
模型,
支持
三十
种
语言
创意
音色
设计
与
高保真复刻
及
48kHz
输出。
moss-tts
4.2k
覆
盖长
语音
对
话实时
流式
与
音效
的
开源
语音生成模型
家族,
提供
多
档权重
与
配套
推理。
Fun-ASR
1.6k
通义
实验室
开源
的
端到
端语
音识
别模型
家族,
覆盖
中
文方
言口音
与
31
种
语言,
提供
多
种
推理
方案。
SALMONN
1.5k
字节
与
清华
联合
的
多
模态
大语言模型
家族,
融合语
音图
像
视
频理解,
公开论
文训
练
代码
与
推理
权重。
FunASR
20.7k
开源
语
音识
别工
具包,
覆盖
离线
流式
标点
说话人
等
全
链路,
支持
训练
推理
与
服务
部署。
speechbrain
11.9k
基于
PyTorch
的
会话式
AI语
音工
具包,
提供
两
百
余
种
语音
文本
任务
训练
配方
与
预训
练
模型。
2154
audio,multilingual,speaker-diarization
零点九B长时多说话人转录与分离开源模型,支持五十余语种时间戳与声学事件感知。
←
上一个
ocis
下一个
→
privacy-settings