SenseVoice是由深圳市聲揚科技有限公司開發的語音基礎模型，包含自動語音識別(ASR)、語音語言識別(LID)、語音情感識別(SER)和音頻事件檢測(AED)等多語音理解能力。支持超過50種語言，識別性能超越Whisper模型。2024年09月26日發布SenseVoice-Small模型。
採用非自回歸端到端框架，推理延遲低，處理10秒音頻僅需70毫秒。提供SenseVoice-Small和SenseVoice-Large版本，開源在ModelScope和Huggingface平台。
基本介紹
- 外文名：SenseVoice
- 技術背景：深圳市聲揚科技有限公司
需求人群,使用場景,產品特色,
需求人群
SenseVoice適用於需要高精度語音識別和情感分析的開發者和企業，如智慧型語音助手、客服機器人、多語種翻譯軟體等。它的多語種支持和低延遲特性使其在實時語音互動場景中尤為有用。
使用場景
用於開發支持多國語言的智慧型客服系統，提升客戶服務體驗。
集成到智慧型家居設備中，實現對不同語言的語音指令的準確識別。
套用於多語種翻譯軟體，提高語音到文本的轉換精度和速度。
產品特色
自動語音識別(ASR)：支持超過50種語言的高精度語音識別。
語音語言識別(LID)：能夠識別並區分不同的語言。
語音情感識別(SER)：在測試數據上超越當前最佳模型的情感識別效果。
音頻事件檢測(AED)：支持檢測多種人機互動事件，如背景音樂、掌聲、笑聲等。
高效的推理速度：SenseVoice-Small模型處理10秒音頻僅需70毫秒。
便捷的微調支持：提供微調腳本和策略，便於用戶根據業務場景調整模型。
服務部署支持：支持多並發請求，客戶端語言多樣，易於集成到不同平台。
