12 月 22 日消息，阿里巴巴达摩院今日发布了新一代语音识别模型 Paraformer，适用于语音输入法、智能客服、车载导航、会议纪要等场景。
据介绍，这是业界首个应用落地的非自回归端到端语音识别模型，在推理效率上最高可较传统模型提升 10 倍，且识别准确率在多个权威数据集上名列第一。目前，该模型于魔搭社区面向全社会开源。
数据显示，配合 GPU 推理，不同版本的 Paraformer 可将推理效率提升 5-10 倍。同时，Paraformer 使用了 6 倍下采样的低帧率建模方案，可将计算量降低近 6 倍，支持大模型的高效推理。
IT之家了解到，阿里达摩院方面表示，Paraformer 是阿里巴巴研发的下一代“杀手锏”级别的语音识别基础模型，未来将广泛应用于会议纪要产品“听悟”、钉钉语音转文字、高德导航等场景。
版权声明：本文内容转自互联网，本文观点仅代表作者本人。本站仅提供信息存储空间服务，所有权归原作者所有。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至1393616908@qq.com 举报，一经查实，本站将立刻删除。
美团语音交互部针对交互场景下的低延迟语音识别需求，提出了一种全新的低出字延迟流式语音识别方案。本方法将降低延迟问题转换成一个知识蒸馏过程，极大地简化了延迟优化的难度，仅通过一个正则…
本文介绍如何接入 ZegoRealtimeTranslation SDK(提供语音翻译SDK)，实现“边说话边输出文字”等无障碍沟通效果。ZegoRealtimeTranslati…
2023 年 2 月 7 日—— 总部位于中东和北非的领先云通信公司 Maqsam 在阿拉伯语自动语音识别 (ASR) 领域取得了重大的全球突破；也称为语音转文本 (STT)。在准…
导读：语音是人类信息沟通的重要途径，同时也是人机交互的重要桥梁，自动语音识别可以表述为通过计算机将人类语音信号转录为书面形式的文字输出的过程。本文分享了网易易盾提出的多级建模单元的…
全世界使用的7000到8000种语言中只有一小部分受益于现代语言技术，如语音到文本转录、自动字幕、即时翻译和语音识别。卡内基梅隆大学的研究人员希望将自动语音识别工具的语言数量从大约…
目前比较先进的语音识别系统几乎都需要连接网络才能使用，这是因为要辨识语音并且转换成特定指令，需要大量运算。而携带式装置运算能力大多数不够，所以需要通过网络使用云服务协助。因此，现在…
