中国电信发布星辰超多方言语音识别大模型 能同时识别30多种方言

中国电信发布星辰超多方言语音识别大模型 能同时识别30多种方言 据介绍，研发团队构建了一个超过30种方言、30万小时以上的高质量方言数据库。该系统不仅大大降低了推理时的语音传输比特率，而且让沟通更自然流畅，解决了老年人及“老少边穷”地区信息服务无法触达的问题。值得一提的是，中电信人工智能科技有限公司总经理何忠江表示，语音大模型的算法代码和训练代码将面向社会全部开源开放据报道，目前，星辰语音大模型已在福建、江西、广西、北京、内蒙古等地的中国电信10000智能客服试点应用。接入星辰大模型以后，智能客服秒懂30种方言，实现日均处理约200万通电话。另外，星辰语音大模型还落地多地市的12345平台。 ... PC版： 手机版：

内地发布识别30种方言AI大模型　称为传承语言文化注新生命力

内地发布识别30种方言AI大模型　称为传承语言文化注新生命力 内地运营商发布支持30种方言混说的语音识别大模型，被称可为传承语言文化，注入全新生命力。 这项语音识别大模型在福州举行的第7届数字中国建设峰会上发布，可识别多种方言，包括识别理解粤语、上海话、四川话、温州话等30多种方言，被指是内地现时支持最多方言的语音识别大模型。 据报这个语音识别大模型已广泛应用落地，在福建、江西、广西、北京、内蒙古等地的中国电信约万个智能客服试点应用。 2024-05-25 20:41:11

中国首个音乐SOTA模型「天工音乐大模型」今日公测

中国首个音乐SOTA模型「天工音乐大模型」今日公测 天工SkyMusic：中国首个音乐AIGC SOTA模型。以6.65分的综合得分超越Suno V3，成为全球AI音乐SOTA模型。 生成的中文人声发音清晰、正宗、无异响，没有出现「百老汇式中文歌」等水土不服的情况。而且，它不仅针对普通话做了优化，粤语、成都话、北京话等方言语种也照顾到了。 它能够通过歌词控制情绪变化，并实现如颤音、歌剧、吟唱等多种歌唱技巧，使生成的音乐作品情感更加丰富且贴合情境。

Meta前天推出了 Voicebox，一个全能语音生成模型，这是一个支持六种语言和多种语音处理功能的模型，功能包括

Meta前天推出了 Voicebox，一个全能语音生成模型，这是一个支持六种语言和多种语音处理功能的模型，功能包括 基于上下文的文本转语音合成 跨语言风格转换 跨语言风格转换 多样化的语音采样 详细的功能介绍和原理见评 ||

Meta 推出 SeamlessM4T，一种用于语音和文本翻译的多模式 AI 模型。

Meta 推出 SeamlessM4T，一种用于语音和文本翻译的多模式 AI 模型。 Meta周二发布了 ，这是一个新的多模式和多语言 AI ​​翻译模型，可以让说不同语言的人更有效地进行交流。 M4T 可以进行多达 100 种语言的语音到文本、文本到语音、语音到语音、文本到文本翻译和语音识别。 SeamlessM4T将使用研究许可证公开发布，以便研究人员和开发人员在此基础上开展工作。 Meta还将公布 SeamlessAlign 的元数据，这是迄今为止最大的开放多模式翻译数据集，挖掘的语音和文本对齐总计达 270,000 小时。 随着时间的推移，Meta将把这些翻译和转录方面的 AI 进展整合到Facebook、Instagram、WhatsApp、Messenger和Threads中。 、

一个视频翻译工具，可将一种语言的翻译为另一种语言和配音的。 语音识别基于 openai-whisper 离线模型、文字翻

一个视频翻译工具，可将一种语言的视频翻译为另一种语言和配音的视频。 语音识别基于 openai-whisper 离线模型、文字翻译使用google翻译接口，文字合成语音使用 Microsoft Edge tts，背景音乐去除使用 Spleeter,无需购买任何商业接口，也无需付费 | #工具