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.
1、提供一个清晰而简明的问题描述，并附上您所遵循的文档链接。 服务端docker启动服务后，下载客户端，按照cpp文件夹中的readme.md 编译websocket client。编译通过，但是测试出现段错误，信息如下：  文档链接： https://mp.weixin.qq.com/s/jSbnKw_m31BUUbTukPSOIw 2、指明问题出现的环境，包括操作系统（如Windows、Linux、macOS）和相关软件版本（如Python、Torch、Funasr、Modelscope）。 linux centos7， gcc=11.1.0 , openssl=1.1.0,
**Issue:** I'm following the instructions from the "Speech Recognition" documentation and I'm facing an issue when executing `bash run.sh`. I was able to pass stage 0 successfully, but the script...
平台:windows python:3.9 modelscope: 1.9.2 funasr: 0.8.0 [test.zip](https://github.com/alibaba-damo-academy/FunASR/files/13037084/test.zip) 我一段音频1-20s是连续说话的声音，20s-25s是静音， 25s-45s又是连续说话的声音，用长音频的模型，识别出的结果时间戳有问题，比如：00:00:17,930 --> 00:00:26,100 ， 20-25s是静音的 是识别问题，还是有其它参数调节可以避免这样的问题么？ 附件是音频文件
大佬，请教下： 我们有几个oov词添加到词典中进行训练，添加步骤如下： 1）词典添加（tokens.txt）： 眀 瑧 2）训练使用paraformer原生代码(egs/aishell/s1/run.sh)，修改如下： train.py \ --task_name asr \ --gpu_id $gpu_id \ --use_preprocessor true \ --token_type $token_type \ --token_list $token_list \ --dataset_type large \ --data_dir ${feats_dir}/data \ --train_set...
感谢阿里团队开源Funasr项目： 我们测试Paraformer在通用性上确实是好于业内一些其他厂商，值得肯定！！！ 所以我们想用贵司开源的模型在Aishell-1 上进行Finetune（接入了CTC头，概率为0.3），我们发现一个很奇怪的现象，即train.py 脚本 “--dataset_type small” 时，CTC端时可以正常的收敛，最终CER可以到2.32%（CTC端结果）；但是当“--dataset_type large” 时，CTC端无法收敛，模型训练精度很差，如下图：  期待大佬们的回复 Thx
## Settings model: damo/speech_xvector_sv-zh-cn-cnceleb-16k-spk3465-pytorch sv_threshold: 0.6 ## Scene 1. Same person audio_in: ( 'https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/ASR/test_audio/sv_example_enroll.wav', 'https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/ASR/test_audio/sv_example_same.wav' ) model_scores: [0.9804788827896118, 0.019521117210388184] 2. Different person audio_in=( 'https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/ASR/test_audio/sv_example_enroll.wav', 'https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/ASR/test_audio/sv_example_different.wav') ) model_scores: [0.7429116070270538, 0.25708839297294617] ##...
according to [图1 FunASR实时语音听写服务架构图](https://mp.weixin.qq.com/s/8He081-FM-9IEI4D-lxZ9w), below steps shall do , in order to realize the online stream mode: 1. to split 600ms chunk ( 300ms overlayed); 2. for each chunk: produce...
昨天更新完modelscope和funasr后，发现解码结果对字母大小写的规则改变了。更新前，单词和单个字母都是小写，剩下的字母组合都是大写（例如三角形ABC，力FA，等），并且不会有大小写混合出现的情况。更新后，却会时常出现大小写混合的情况。如果我想恢复到更新前的状况，有办法吗？另外还发现标点符号也变了，中文和英文后面跟的标点不再统一是中文格式了。 下面是两个例子 1 他们有几种可能啊AA 去参加呢 Abaca 不去参加这BC 那不就三种可能嘛 2 来同样这里是什么 Sine sine 是奇函数 （这里的Sine明明是一个单词，但却首字母大写） 更新前的版本应该至少是2、3个月前的版本了，具体版本号由于更新覆盖，好像查不到了。 我想恢复到以前的状况，请问有办法吗？ # Name Version Build Channel _libgcc_mutex 0.1 conda_forge conda-forge _openmp_mutex 4.5 2_gnu conda-forge absl-py...
在使用model = Paraformer(model_dir, batch_size=1, device_id=0) 加载权重之后，在进行识别的时候，无论什么输入，都会打印 input wav is silence or noise 在libtorch\funasr_torch中查看paraformer_bin.py，打开except中的错误提示注释，此时再次进行识别，报出的具体错误是two device 出现在outputs = self.ort_infer(feats.cuda(), feats_len.cuda())这里 请问这个项目是不支持gpu加速么
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.