diff --git a/README.md b/README.md index dc5ac4e..11d1fd6 100644 --- a/README.md +++ b/README.md @@ -31,11 +31,13 @@ tasks: --- # Highlights -- SenseVoice-Small模型支持中、粤、英、日、韩多语言语音识别，在中、粤识别效果上明显优于Whisper模型。 -- SenseVoice-Small模型具备优秀的情感识别，能够在测试数据上达到和超过目前最佳情感识别模型的效果。 -- SenseVoice-Small模型支持声音事件检测能力，支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。 -- SenseVoice-Small采用非自回归端到端框架，推理延迟极低，10s音频推理仅耗时70ms。 -- SenseVoice支持模型微调和onnx服务部署。 +- **多语言识别：** SenseVoice-Small模型支持中、粤、英、日、韩五种语言，在中、粤识别效果上明显优于Whisper模型。 +- **富文本识别：** + - SenseVoice模型具备优秀的情感识别，能够在测试数据上达到和超过目前最佳情感识别模型的效果。 + - SenseVoice模型支持声音事件检测能力，支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。 +- **高效推理：** SenseVoice-Small模型采用非自回归端到端框架，推理延迟极低，10s音频推理仅耗时70ms。 +- **微调定制：** SenseVoice项目支持有便捷的微调脚本与策略，方便用户根据业务场景修复长尾样本问题。 +- **服务部署：** SenseVoice项目有完整的服务部署链路，支持多并发请求，支持客户端语言有，python、c++、html、java与c#等。 ## [SenseVoice开源项目介绍]() [SenseVoice]()开源模型是多语言音频理解模型，具有包括语音识别、语种识别、语音情感识别，声学事件检测能力。 @@ -44,16 +46,6 @@ tasks: | [**最新动态**]() | [**环境安装**]() -## [FunASR开源项目介绍](https://github.com/alibaba-damo-academy/FunASR) -[FunASR](https://github.com/alibaba-damo-academy/FunASR)希望在语音识别的学术研究和工业应用之间架起一座桥梁。通过发布工业级语音识别模型的训练和微调，研究人员和开发人员可以更方便地进行语音识别模型的研究和生产，并推动语音识别生态的发展。让语音识别更有趣！ - -[**github仓库**](https://github.com/alibaba-damo-academy/FunASR) -| [**最新动态**](https://github.com/alibaba-damo-academy/FunASR#whats-new) -| [**环境安装**](https://github.com/alibaba-damo-academy/FunASR#installation) -| [**服务部署**](https://www.funasr.com) -| [**模型库**](https://github.com/alibaba-damo-academy/FunASR/tree/main/model_zoo) -| [**联系我们**](https://github.com/alibaba-damo-academy/FunASR#contact) - # 模型结构图 SenseVoice多语言音频理解模型，支持语音识别、语种识别、语音情感识别、声学事件检测、逆文本正则化等能力，采用工业级数十万小时的标注音频进行模型训练，保证了模型的通用识别效果。模型可以被应用于中文、粤语、英语、日语、韩语音频识别，并输出带有情感和事件的富文本转写结果。 @@ -192,7 +184,7 @@ Undo ## 推理效率 -SenseVoice-small模型采用非自回归端到端架构，推理延迟极低。在参数量与Whisper-Small模型相当的情况下，比Whisper-Small模型推理速度快7倍，比Whisper-Large模型快17倍。同时SenseVoice-small模型在音频时长增加的情况下，推理耗时也无明显增加。 +SenseVoice-Small模型采用非自回归端到端架构，推理延迟极低。在参数量与Whisper-Small模型相当的情况下，比Whisper-Small模型推理速度快7倍，比Whisper-Large模型快17倍。同时SenseVoice-small模型在音频时长增加的情况下，推理耗时也无明显增加。