From 6c075ce3ca8710a49afe6fc46d7145a457071cfe Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?=E5=8C=97=E5=BF=B5?= Date: Fri, 28 Jun 2024 11:06:34 +0800 Subject: [PATCH] update --- README.md | 12 ++++++------ 1 file changed, 6 insertions(+), 6 deletions(-) diff --git a/README.md b/README.md index 41f322f..3f266d1 100644 --- a/README.md +++ b/README.md @@ -58,7 +58,7 @@ tasks: 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。

-SenseVoice模型结构 +SenseVoice模型结构

SenseVoice-Small是基于非自回归端到端框架模型，为了指定任务，我们在语音特征前添加四个嵌入作为输入传递给编码器： @@ -163,7 +163,7 @@ Undo 我们在开源基准数据集（包括 AISHELL-1、AISHELL-2、Wenetspeech、Librispeech和Common Voice）上比较了SenseVoice与Whisper的多语言语音识别性能和推理效率。在中文和粤语识别效果上，SenseVoice-Small模型具有明显的效果优势。

-SenseVoice模型在开源测试集上的表现 +SenseVoice模型在开源测试集上的表现

@@ -172,13 +172,13 @@ Undo 由于目前缺乏被广泛使用的情感识别测试指标和方法，我们在多个测试集的多种指标进行测试，并与近年来Benchmark上的多个结果进行了全面的对比。所选取的测试集同时包含中文/英文两种语言以及表演、影视剧、自然对话等多种风格的数据，在不进行目标数据微调的前提下，SenseVoice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SER效果1 +SenseVoice模型SER效果1

同时，我们还在测试集上对多个开源情感识别模型进行对比，结果表明，SenseVoice-Large模型可以在几乎所有数据上都达到了最佳效果，而SenseVoice-Small模型同样可以在多数数据集上取得超越其他开源模型的效果。

-SenseVoice模型SER效果2 +SenseVoice模型SER效果2

## 事件检测效果 @@ -186,7 +186,7 @@ Undo 尽管SenseVoice只在语音数据上进行训练，它仍然可以作为事件检测模型进行单独使用。我们在环境音分类ESC-50数据集上与目前业内广泛使用的BEATS与PANN模型的效果进行了对比。SenseVoice模型能够在这些任务上取得较好的效果，但受限于训练数据与训练方式，其事件分类效果专业的事件检测模型相比仍然有一定的差距。

-SenseVoice模型AED效果 +SenseVoice模型AED效果

@@ -196,7 +196,7 @@ SenseVoice-small模型采用非自回归端到端架构，推理延迟极低。

-SenseVoice模型的推理效率 +SenseVoice模型的推理效率

如果您是本模型的贡献者，我们邀请您根据模型贡献文档，及时完善模型卡片内容。