WhisperNER

Modèle unifié et open source de reconnaissance d'entités nommées et de reconnaissance vocale

Produit OrdinaireProgrammationReconnaissance automatique de la paroleReconnaissance d'entités nommées

WhisperNER est un modèle unifié combinant la reconnaissance automatique de la parole (ASR) et la reconnaissance d'entités nommées (NER), doté de capacités zéro-shot. Ce modèle vise à servir de base solide pour les tâches en aval d'ASR avec NER, et peut être finement ajusté sur des ensembles de données spécifiques pour améliorer ses performances. Son importance réside dans sa capacité à traiter simultanément la reconnaissance vocale et l'identification d'entités, améliorant ainsi l'efficacité et la précision du traitement, notamment dans les contextes multilingues et interdisciplinaires.

Best AI Websites & Tools

WhisperNER

WhisperNER Dernière situation du trafic

WhisperNER Tendance des visites

WhisperNER Distribution géographique des visites

WhisperNER Sources de trafic

WhisperNER Alternatives

WhisperNER — Modèle unifié et open source de reconnaissance d'entités nommées et de reconnaissance vocale

BetterWhisperX — Outil de reconnaissance automatique de la parole, fournissant des timestamps à niveau mot et l'identification des locuteurs.

Modèles de traduction Firefox — Modèle de traduction automatique neuronale accéléré par CPU, optimisé pour la fonction de traduction du navigateur Firefox.

CogView4-6B — CogView4-6B est un puissant modèle de génération d’images à partir de texte, axé sur la génération d’images de haute qualité.

PhotoDoodle — PhotoDoodle est une implémentation de code d'édition d'images artistiques basée sur l'apprentissage à partir de quelques exemples de paires de données.

DeepGEMM — DeepGEMM est une bibliothèque CUDA pour une multiplication matricielle FP8 efficace, prenant en charge le scaling granulaire fin et plusieurs techniques d'optimisation.

Phi-4-mini-instruct — Phi-4-mini-instruct est un modèle linguistique léger et open source, axé sur les données intensives en inférence de haute qualité.

QwQ-Max-Preview — QwQ-Max-Preview est le dernier né de la série Qwen, basé sur Qwen2.5-Max. Il offre des capacités de raisonnement et d'applications multi-domaines puissantes.

Huginn-0125 — Huginn-0125 est un modèle profond récurrent à variables latentes de 3,5 milliards de paramètres, excellemment adapté au raisonnement et à la génération de code.

FireRedASR — Modèle de reconnaissance automatique de la parole (RAP) en mandarin standard industriel open source, compatible avec de multiples scénarios d'application.

InspireMusic — Boîte à outils de génération de musique, de chansons et d'audio basée sur PyTorch, prenant en charge la génération audio haute fidélité.

node-DeepResearch — Recherche et lecture continues de pages web jusqu'à ce que la réponse soit trouvée (ou jusqu'à épuisement du budget de jetons).

Open R1 — Il s'agit d'un projet de reproduction d'un modèle DeepSeek-R1 entièrement open source, visant à aider les développeurs à reproduire et à construire des modèles basés sur R1.

PengChengStarling — PengChengStarling est une boîte à outils de développement de modèles de reconnaissance automatique de la parole (ASR) multilingues, basée sur le projet icefall.

Janus-Pro-1B — Janus-Pro-1B est un framework autorégressif unifié de compréhension et de génération multimodale.

YuE-s1-7B-anneal-en-cot — YuE est un modèle de génération musicale open source capable de transformer des paroles en chansons complètes.

leapfusion-hunyuan-image2video — Une nouvelle technique d'échantillonnage image-vers-vidéo, basée sur le modèle Hunyuan, permettant la génération de vidéos de haute qualité.

DeepSeek-R1-Distill-Qwen-32B — DeepSeek-R1-Distill-Qwen-32B est un modèle linguistique open source haute performance, adapté à diverses tâches de génération de texte.

DeepSeek-R1 — DeepSeek-R1 est un modèle d'inférence haute performance, prenant en charge plusieurs langues et tâches, adapté à la recherche et aux applications commerciales.

Flex.1-alpha — Modèle pré-entraîné de génération d'images à partir de texte, doté de 8 milliards de paramètres et sous licence open source Apache 2.0.

InternLM3-8B-Instruct — InternLM3-8B-Instruct est un modèle linguistique instructionnel open source de 8 milliards de paramètres, conçu pour des usages généraux et un raisonnement avancé.

DeepSeek-V3 — Modèle linguistique Mixture-of-Experts (MoE) de 671 milliards de paramètres.

Moonshine Web — Application de reconnaissance vocale en temps réel dans le navigateur

Sana — Cadre de synthèse d'images haute résolution hautement efficace

Whisper-NER-v1 — Modèle avancé combinant transcription vocale et reconnaissance d'entités nommées.

face_anon_simple — Technique d'anonymisation des visages, préservant les détails essentiels tout en protégeant efficacement la vie privée.

AdvancedLivePortrait-WebUI — Interface web d'animation de portrait en temps réel basée sur Gradio

Modèle de métahumain numérique ultraléger — Modèle de métahumain numérique ultraléger, fonctionnant en temps réel sur les appareils mobiles.

OmniSenseVoice — Reconnaissance vocale ultrarapide, horodatage précis