Whisper是OpenAI开源的自动语音识别系统，经过68万小时的多语言和多任务监督数据训练，这些数据是从网络上收集的。它被设计成对口音、背景噪音和技术语言具有健壮性，并且可以将多种语言的语音转录和翻译成英语。它是一种简单的端到端方法，实现为编码器-解码器Transformer。它还能够执行语言识别和短语级时间戳。它的设计易于使用，具有较高的准确性，允许开发人员为更多的应用程序添加语音接口。
类似的工具
他人最近看的工具
NeverEnds
生成更具电影感、真实性和实用性的AI镜头
百度·文心一言
百度全新一代知识增强大语言模型
Verbatik
Verbatik是一款由人工智能驱动的文本到语音生成器，提供了一个不断增长的库，包含142种语言和口音的600多种自然声音。
Kaggle 机器学习课
Kaggle 机器学习课
[新]BeePOP
上传一张 SKU 图片，几分钟内生成完整 Amazon Listing 图片与 A+ Content——免费试用
