Meta AI 新作品

Meta AI 新作品 - Massively Multilingual Speech - 为 1,100 多种语言推出语音转文本、文本转语音等功能,语言转文本的错误率只有 Whisper 的一半 - 为 4000 多种语言训练的语言识别模型,仅有6.1%的错误率 - 使用连接时序分类CTC的技术,而不是LLMs - 今天已经公开模型和代码,以方便其他研究者使用 - 在 wav2vec2.0 的基础上构建 - 使用了一个巧妙的宗教语言数据集: - 目前最大的语音数据集仅涵盖100种语言 - 但是圣经等宗教文本已经被翻译而且有公开的录音 - 我们创建了包含1100+语言的圣经新约数据集,每种语言32小时的数据 - 在纳入其他基督教读物的无标签录音后,将可用语言数量增加到4000+ - 录音以男性为主,但是模型的男女性声音表现同样出色 - 录音是宗教内容,但模型并没有过度偏向宗教语言(还是有一点)

相关推荐

封面图片

Meta 真的把语言研究透了

Meta 真的把语言研究透了 今天推出 Massively Multilingual Speech - 为 1,100 多种语言推出语音转文本、文本转语音等功能,语言转文本的错误率只有 Whisper 的一半 - 为 4000 多种语言训练的语言识别模型,仅有6.1%的错误率 - 这项研究的关键是使用了一个巧妙的宗教语言数据集: 1/3

封面图片

几千年前,《圣经旧约》记载,上帝为了阻止人类的巴别塔计划,上帝让人类说不同的语言,使人类相互之间不能沟通,计划因此失败,人类自此

几千年前,《圣经旧约》记载,上帝为了阻止人类的巴别塔计划,上帝让人类说不同的语言,使人类相互之间不能沟通,计划因此失败,人类自此各散东西。 几千年后,人类运用《圣经新约》的文本和语音资料,做出了能让1000多种语言互通的 AI 模型。 再过几千年,也许会成为一个从旧神到新神的历史传说。 : 这项研究的关键是使用了一个巧妙的宗教语言数据集: - 目前最大的语音数据集仅涵盖100种语言 - 但是圣经等宗教文本已经被翻译而且有公开的录音 - 我们创建了包含1100+语言的圣经新约数据集,每种语言32小时的数据 - 在纳入其他基督教读物的无标签录音后,将可用语言数量增加到4000+

封面图片

【分享】录音转文字pro 1.0.4

【分享】录音转文字pro 1.0.4  【楼主点评】:一款功能齐全且更实用的工具app,您可以导入音频或者实时录制进行转换,我们的录音转文字软件还支持语音翻译、语音转写、音频裁剪合并、视频音频文字转换,是我们日常会议录音、工作洽谈的必备语音软件。 【应用名称】:录音转文字pro 【应用包名】:com.lbrdpr.recordpro 【应用版本】:1.0.4 【应用大小】:73.0MB 【版本说明】:多功能语音转文字工具 录音转文字pro作为一款音频转文字工具,支持普通话、英语、粤语、四川话等多种语言的准确识别。一键即可将语音快速、准确地转换成文字形式,让用户可以迅速阅读并提炼重点内容,从而提高工作效率。 专业录音设备 与手机自带录音机不同,录音转文字pro具有堪比专业录音设备的录音效果。音质清晰流畅,能够真实还原录音场景,为用户提供高质量的录音体验。 外部音频导入和在线语音翻译 该软件支持导入外部音频进行文本转换,用户可以对转换结果进行编辑、复制、校对等多种操作,省去了二次编写的麻烦。此外,录音转文字pro还提供在线语音翻译功能,满足用户日常翻译、学习和沟通的多重需求。 语音识别 具备专业的语音识别技术,支持多种语言,包括普通话、英语、粤语、四川话等。 语音实时转文字 一键实现语音迅速准确的转换成文字形式,提高工作效率,方便快捷。 专业录音 拥有与专业录音设备媲美的录音效果,音质清晰流畅,还原真实录音场景。 外部音频导入 支持导入外部音频进行文本转换,结果支持多种操作,如编辑、复制、校对等。 在线语音翻译 支持语言实时互译,满足用户日常翻译、学习和沟通的多重需求。 【使用方法】:打开即用 【下载地址】:通过网盘分享的文件:录音转文字pro.apk 链接:提取码: chyt

封面图片

#声音克隆 #AI Noiz AI

#声音克隆 #AI Noiz AI 语音合成与声音克隆工具,依托自研超大语音模型,只需 3-10 秒的录音,即可克隆专属声音,支持一键多语言转换,保留原音,使用场景包括文本生成语音(TTS)、语音克隆、视频配音和视频翻译,免费使用,需要登陆。 https://noiz.ai 频道 @Edgebyte

封面图片

网站Whisper JAX

网站Whisper JAX 网站功能:语音转文字 网站简介:一款基于 Whisper API 的在线语音转文字工具,支持麦克风、录音文件、YouTube 三种音频来源,单文件 2 小时以内免费使用。 还支持多种语言,包括繁体中文,并且可以提供时间戳和翻译功能。 网站链接:点击访问 频道 群聊 投稿 商务

封面图片

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。 、

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人