SenseVoiceSmall
多语种高精度语音识别模型
- 自动语音识别（ASR）：能够识别和转换语音为文本。
- 口语语言识别（LID）：识别语音中的语种。
- 语音情感识别（SER）：识别语音中的情感。
- 音频事件检测（AED）：检测音频中的特定事件，如背景音乐、掌声、笑声等。
- 高效的推理：SenseVoice-Small模型推理延迟极低，处理速度快。
- 便捷的微调：提供微调脚本和策略，易于根据业务场景调整。
- 多语言支持：支持多种语言的语音识别和情感识别。
产品详情
SenseVoiceSmall是一款具备多种语音理解能力的语音基础模型，包括自动语音识别（ASR）、口语语言识别（LID）、语音情感识别（SER）和音频事件检测（AED）。该模型经过超过40万小时的数据训练，支持超过50种语言，识别性能超越Whisper模型。其小型模型SenseVoice-Small采用非自回归端到端框架，推理延迟极低，处理10秒音频仅需70毫秒，比Whisper-Large快15倍。此外，SenseVoice还提供便捷的微调脚本和策略，支持多并发请求的服务部署管道，客户端语言包括Python、C++、HTML、Java和C#等。
