From a38aa58d2252d48eca64c4018db693a9cb7504f6 Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?=E5=8C=97=E5=BF=B5?= <lzr265946@alibaba-inc.com>
Date: Thu, 27 Jun 2024 21:01:11 +0800
Subject: [PATCH] update

---
 README.md | 6 +++---
 1 file changed, 3 insertions(+), 3 deletions(-)

diff --git a/README.md b/README.md
index 3affa85..3ffd0b8 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。
 
 <p align="center">
-<img src="fig/sensevoice.png" alt="SenseVoice模型结构"  width="800" />
+<img src="fig/sensevoice.png" alt="SenseVoice模型结构"  width="1200" />
 </p>
 
 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。
 
 <p align="center">
-<img src="fig/asr_results.png" alt="SenseVoice模型在开源测试集上的表现"  width="800" />
+<img src="fig/asr_results.png" alt="SenseVoice模型在开源测试集上的表现"  width="1200" />
 </p>
 
 
@@ -178,7 +178,7 @@ SenseVoice-small模型采用非自回归端到端架构，推理延迟极低。
 
 
 <p align="center">
-<img src="fig/inference.png" alt="SenseVoice模型的推理效率"  width="800" />
+<img src="fig/inference.png" alt="SenseVoice模型的推理效率"  width="1200" />
 </p>
 
 <p style="color: lightgrey;">如果您是本模型的贡献者，我们邀请您根据<a href="https://modelscope.cn/docs/ModelScope%E6%A8%A1%E5%9E%8B%E6%8E%A5%E5%85%A5%E6%B5%81%E7%A8%8B%E6%A6%82%E8%A7%88" style="color: lightgrey; text-decoration: underline;">模型贡献文档</a>，及时完善模型卡片内容。</p>