Fish Audio ASR 升级:识别说话人、标注情绪,支持 83 种语言
TheMoonMidas · x · 2026-09-29
Fish Audio 发布 ASR(语音转文字)模型更新,宣称要让转录不再「无聊」:
- 识别并区分不同说话人
- 理解说话人的情绪状态
- 在转录文本中标注情绪线索,如 [laughter]、[surprised]
- 支持 83 种语言,官方称其为最准确的 STT 模型
现已开放试用。
「多模态」频道最新
- 手改0.2%权重加CPU训练100分钟,英语TTS模型变身18MB梵语语音 — kastnerkyle · 2026-11-16
- Zyphra开源文本归一化工具:TTS结构化数据正确率最高提升22个百分点 — kastnerkyle · 2026-11-16
- Qwen 图像 2.1 与 Minimax H3 实测:老照片修复与写实化转换 — Ant_6431 · 2026-11-16
- Minimax H3 视频生成演示:Cubee 店面镜头第二版 — JahJedi · 2026-11-16
- 不会画画的开发者用 Fable 5.2 四小时做出 14 章手绘风故事书游戏 — jradoff · 2026-11-16
- Minimax H3 Image 训练人物 LoRA 相似度差,同数据集在 Qwen 2.1 上表现优异 — Ad_Organic · 2026-11-16