目前有什么开源的语音转文字准确率高的?

查看 34|回复 2
作者:yhm2046   
目前用 whisper+ggerganov 模型,2.8G 的,显卡是 gtx970 ,转译出来的全部是这种效果:
[00:29:20.000 --> 00:29:26.000] ( 錄影時間 )
[00:29:26.000 --> 00:29:32.000] ( 錄影時間 )
[00:29:32.000 --> 00:29:38.000] ( 錄影時間 )
[00:29:38.000 --> 00:29:44.000] ( 錄影時間 )
[00:29:44.000 --> 00:29:49.000] ( 錄影時間 )
[00:29:49.000 --> 00:29:55.000] ( 錄影時間 )
[00:29:55.000 --> 00:30:01.000] ( 錄影時間 )
[00:30:01.000 --> 00:30:07.000] ( 錄影時間 )
[00:30:07.000 --> 00:30:13.000] ( 錄影時間 )
[00:30:13.000 --> 00:30:18.000] ( 錄影時間 )
[00:30:18.000 --> 00:30:24.000] ( 錄影時間 )
[00:30:24.000 --> 00:30:30.000] ( 錄影時間 )
[00:30:30.000 --> 00:30:36.000] ( 錄影時間 )
[00:30:36.000 --> 00:30:42.000] ( 錄影時間 )
[00:30:42.000 --> 00:30:47.000] ( 錄影時間 )
[00:30:47.000 --> 00:30:53.000] ( 錄影時間 )
[00:30:53.000 --> 00:30:59.000] ( 錄影時間 )
[00:30:59.000 --> 00:31:05.000] ( 錄影時間 )
[00:31:05.000 --> 00:31:11.000] ( 錄影時間 )
[00:31:11.000 --> 00:31:16.000] ( 錄影時間 )
[00:31:16.000 --> 00:31:22.000] ( 錄影時間 )
之前还能有一半左右的可以译成有效文字,不知道是否这次的录音音源不行,我是用手机录音的

錄影, 時間

mushuanl   
拿最大的那个模型,不要量化,我前面直接 cpu 转的效果不错
1311317   
wenet
您需要登录后才可以回帖 登录 | 立即注册

返回顶部