SenseVoice

N' eo ket sevenet ar godellenn- mañ gant STT.ai. Titouroù dave eo ar bajenn- mañ diwar- benn ar godellenn- mañ. Amdroc'hañ gant ar gouloù a vez sevenet →
5.5%
WER
50
Yezhoù
50.0x
Tizh
MIT
Aotre

Diwar- benn SenseVoice

SenseVoice zo ur godellenn fonnusted komz eus FunAudioLLM a ya pelloc'h eget an treuzskrivañ. Skoret eo gant 50 yezh ha kavet e vez e-touez e c'hefluskerioù an anavezout emouezhioù, an dizoleiñ darvoudoù audio, hag an dizoleiñ skrid en ur godellenn hepken.

Goulennoù a vez goulennet alies

SenseVoice a zo ur seurt komz-da-skrivañ gant FunAudioLLM. STT.ai n'eo ket o seveniñ SenseVoice bremañ - titouroù dre ziouer eo ar bajenn-mañ diwar-benn ar seurt. Evit an treuzskrivañ war STT.ai, ar diuzer seurt a ro ar familh Whisper (Turbo, Large V3, Medium, Small).

War ar reolennoù reolataet, SenseVoice a zo o tizhout tro-dro 5.5% a niverenn fazioù ar ger. Ar gwir gwirionez a zo dibabet gant perzh-mat an aodio, ar c'heñver, ha ar yezh ; evit enrollerioù brudet pe c'heñveret, e rankfec'h gortoz un nebeud dregantadoù uhelañ WER.

N'eo ket hegerz SenseVoice war STT.ai. Ar c'hefluniadur a zo e-barzh an aotreañ a-benn e seveniñ. Ar c'hefluniadur a-bezh a zo evit ar skoulmoù Whisper a vez sevenet gantomp - 600 munutenn evit kregiñ, goude un enrolladur a-bezh miziek.

SenseVoice a zo embannet dindan MIT, un aotreadur digor-koad. Tu zo deoc'h ostilhiñ SenseVoice war ho maezioù pe implijout hor stumm ostilherezh — arveret e vez an daou a-fet komersial.

SenseVoice a skor 50 yezh. An emzinoadur a ziuber ar yezh reizh evit ar muiañ eus an audio; e c'hellit erspizañ anezhañ gant an dorn ivez evit un digresk bihan er sklaerder.

SenseVoice a arver an audio war un tredan 50.0x war hor GPUoù. Ur restr audio 1 eur a zo echuet e 1 munutenn ; restroù brasoc'h a zo en lostoù ha kemenn a reont dre postel pa vez graet.

Arventennoù 234M zo gant SenseVoice. Ar gouloù brasoc'h a zo muioc'h a gwirionez met goullonderoc'h ; STT.ai a ostiz SenseVoice war ar GPU ha setu perak n'eus ket dave d'an arventennoù da zibab da argerzh war-du ar c'hliant.

SenseVoice a aotren pep mentrezh skoret gant STT.ai — MP3, WAV, M4A, FLAC, OGG, MP4, MKV, MOV, WebM, AVI, ha re all. Ezkas evel TXT, SRT, VTT, DOX, JSON, pe PDF.

Ya. Ar c'hentañ-skrivañ a vez graet gant SenseVoice evit pep emsav - an holl gerioù a zo anvet ha da heul e c'hellfec'h adenvel anezho en aozer.

Ya. SenseVoice a vez sevenet en hor c'henwerzh mererezh — arloet ha dilamet eo an audio dre ziouer ha n'eo ket bet arveret evit an treuzkas hep dibab a-benn. Ar c'hinnigoù Pro a ouzhpenn enrinegadur war-du ar c'hliant evit an treuzkasoù o chom.

Arverañ ar benveg compare-stt evit seveniñ SenseVoice ouzh pep seurt sonerezh all skoret war an hevelep sonerezh — gwelout a rit WER, niver ar rannbennadoù, skritelloù ar c'haozeerien, ha marc'hadoù ar fidusted a-hed. Ar c'hentañ a vez sevenet eo ar c'hentañ a vez sevenet eo SenseVoice ouzh Whisper Large V3.

Ya. Spisait "sensevoice" evel arventenn ar godellenn war ar poent-dibenn /v1/transcribe. Python ha Node.js SDKs a zo gant skouerioù SenseVoice. 100 munutenn/mizun eo live API dieub.

Ya. Daoust ma'z eo SenseVoice un aotre MIT, e c'hellfec'h ober gant an ostilh-mañ. Ar bajenn tarzh digor STT.ai a ro roll ar raktresoù ha ar poanioù. Ar re vrasañ eus ar skipailhoù produiñ a implij hon doare ostilh evit mont war-raok gant ar c'hefluniadur GPU, ar c'hemmoù model ha an obererezh.