WhisperNER

Modelo unificado de reconocimiento de entidades nombradas y de voz de código abierto

Producto ComúnProgramaciónReconocimiento automático del hablaReconocimiento de entidades nombradas

WhisperNER es un modelo unificado que combina el reconocimiento automático del habla (ASR) y el reconocimiento de entidades nombradas (NER), con capacidad de cero-shot. Está diseñado para ser un potente modelo base para tareas posteriores de ASR con NER, y puede ser ajustado en conjuntos de datos específicos para mejorar su rendimiento. La importancia de WhisperNER reside en su capacidad para procesar simultáneamente tareas de reconocimiento de voz y de entidades, lo que aumenta la eficiencia y la precisión, especialmente en escenarios multilingües e interdisciplinares.

Best AI Websites & Tools

WhisperNER

WhisperNER Situación del tráfico más reciente

WhisperNER Tendencia de visitas

WhisperNER Distribución geográfica de las visitas

WhisperNER Fuentes de tráfico

WhisperNER Alternativas

WhisperNER — Modelo unificado de reconocimiento de entidades nombradas y de voz de código abierto

BetterWhisperX — Herramienta de reconocimiento automático del habla que proporciona marcas de tiempo a nivel de palabra e identificación de oradores.

CogView4-6B — CogView4-6B es un potente modelo de generación de imágenes a partir de texto, centrado en la generación de imágenes de alta calidad.

PhotoDoodle — PhotoDoodle es una implementación de código que aprende la edición de imágenes artísticas a partir de un pequeño conjunto de datos de pares de imágenes.

DeepGEMM — DeepGEMM es una biblioteca CUDA para la multiplicación de matrices FP8 de alta eficiencia, que admite escalado de grano fino y diversas técnicas de optimización.

Phi-4-mini-instruct — Phi-4-mini-instruct es un modelo de lenguaje ligero de código abierto, enfocado en datos intensivos de alta calidad y razonamiento.

QwQ-Max-Vista previa — QwQ-Max-Vista previa es el último logro de la serie Qwen, construido sobre Qwen2.5-Max, y cuenta con una potente capacidad de razonamiento y aplicaciones multidominio.

Huginn-0125 — Huginn-0125 es un modelo de profundidad recurrente con variables latentes de 3.5 mil millones de parámetros, que destaca en el razonamiento y la generación de código.

FireRedASR — Modelo de Reconocimiento Automático del Habla (RAH) en mandarín estándar de nivel industrial de código abierto, compatible con múltiples escenarios de aplicación.

InspireMusic — Kit de herramientas y modelos para la generación de música, canciones y audio basado en PyTorch, que admite la generación de audio de alta calidad.

node-DeepResearch — Busca y lee páginas web continuamente hasta encontrar la respuesta (o hasta agotar el presupuesto de tokens).

Open R1 — Este es un proyecto de reproducción de un modelo DeepSeek-R1 completamente abierto, diseñado para ayudar a los desarrolladores a reproducir y construir modelos basados en R1.

PengChengStarling — PengChengStarling es un kit de herramientas de desarrollo de modelos de Reconocimiento Automático del Habla (RAH) multilingüe basado en el proyecto icefall.

Janus-Pro-1B — Janus-Pro-1B es un marco autorregresivo unificado de comprensión y generación multimodal.

YuE-s1-7B-anneal-en-cot — YuE es un modelo de generación de música de código abierto que puede convertir letras en canciones completas.

leapfusion-hunyuan-image2video — Una novedosa tecnología de muestreo de imagen a vídeo, basada en el modelo Hunyuan para generar vídeos de alta calidad.

DeepSeek-R1-Distill-Qwen-32B — DeepSeek-R1-Distill-Qwen-32B es un modelo de lenguaje abierto de alto rendimiento, adecuado para diversas tareas de generación de texto.

DeepSeek-R1 — DeepSeek-R1 es un modelo de inferencia de alto rendimiento que admite múltiples idiomas y tareas, adecuado para aplicaciones de investigación y comerciales.

Flex.1-alpha — Un modelo de preentrenamiento para generar imágenes a partir de texto, con 8 mil millones de parámetros y licencia de código abierto Apache 2.0.

InternLM3-8B-Instruct — InternLM3-8B-Instruct es un modelo de instrucción de código abierto con 8 mil millones de parámetros, diseñado para propósitos generales y razonamiento de alto nivel.

VidTok — Familia de segmentadores de vídeo de código abierto de Microsoft

DeepSeek-V3 — Un modelo de lenguaje Mixture-of-Experts con 671B parámetros.

Sana — Marco de síntesis de imágenes de alta resolución y alta eficiencia

whisper-ner-v1 — Modelo avanzado que combina transcripción de voz y reconocimiento de entidades nombradas.

face_anon_simple — Técnica de anonimización facial que preserva detalles clave a la vez que protege eficazmente la privacidad.

5ire — Simple e intuitiva, liberando el poder de la IA

AdvancedLivePortrait-WebUI — Interfaz web de animación de retratos en tiempo real basada en Gradio

Humano Digital Ultraligero — Modelo de humano digital ultraligero, con funcionamiento en tiempo real en dispositivos móviles.

sd3.5 — Modelo de inferencia ligero para generar imágenes de alta calidad