FunASR
FunASR copied to clipboard
modelscope
A Fundamental End-to-End Speech Recognition Toolkit and Open Source SOTA Pretrained Models, Supporting Speech Recognition, Voice Activity Detection, Text Post-processing etc.
## 📚 Documentation 看到文档中 Whisper-large- v3（⭐🍀 ） | 语音识别，带时间戳，非流式 写着whipser-large-v3是带时间戳，但是使用后输出的结果只有text，请问时间戳需要其他配置吗
The run_server.sh said /websocket/build/bin but the project dosent has build folder
模型初始化1次，连续转写两个音频文件，第一个会走gpu，第二个不会走gpu。 torch.set_num_threads(4)方法对我不奏效
我看readme文档只有gpu离线语音识别的，实时的没有。 或者实时的语音识别server用docker部署的话怎么使用gpu加速
同样的数据集，单卡训练都是正常的，但是多卡训练的时候，会报错。 已经尝试过逐步减小batch_size,并没有解决问题。 [rank0]:[E ProcessGroupNCCL.cpp:563] [Rank 0] Watchdog caught collective operation timeout: WorkNCCL(SeqNum=3437, OpType=ALLREDUCE, NumelIn=4311252, NumelOut=4311252, Timeout(ms)=600000) ran for 600057 milliseconds before timing out. [rank1]:[E ProcessGroupNCCL.cpp:563] [Rank 1] Watchdog caught collective...
Metadata
Owner
Metadata
A Fundamental End-to-End Speech Recognition Toolkit and Open Source SOTA Pretrained Models, Supporting Speech Recognition, Voice Activity Detection, Text Post-processing etc.