剪视频还要一句句找？开源工具听语音直接剪
日常吐槽剪视频最折磨人的环节是哪个？不是特效，不是转场，是对齐语音剪片段。录了个一个小时的课程或者采访，你想把"讲得最好的那 3 分钟"剪出来发短视频，就得先反复听、找时间点、拖动进度条一点点卡位置，卡不准还要来回微调。
FunASR: 让AI听懂你的声音
分享一个语音识别黑科技——开源免费的FunASR！我们先看下Funasr的语音识别效果。第一个是识别MP4视频文件。第二个是，电话语音实时识别。FunASR有两个识别引擎，离线识别 和 实时识别。离线识别引擎，主要用途是对录音文件进行转写，得到文本结果。
剪视频还要一句句找？开源工具听语音直接剪
日常吐槽剪视频最折磨人的环节是哪个？不是特效，不是转场，是对齐语音剪片段。录了个一个小时的课程或者采访，你想把"讲得最好的那 3 分钟"剪出来发短视频，就得先反复听、找时间点、拖动进度条一点点卡位置，卡不准还要来回微调。
FunASR：全链路端到端语音处理工具包打通科研落地全流程
人工智能产业快速发展的当下，语音交互已经成为智能硬件、政企办公、互联网产品的标配功能，自动语音识别技术是落地各类语音应用的底层核心。
FunASR-APP：基于阿里巴巴FunASR开源语音模型的多功能语音应用库
FunASR-APP是一个全面的语音应用工具包，旨在促进FunASR开源语音模型的应用和集成。它的主要目标是将这些模型打包成方便的应用程序包，以便轻松应用和无缝集成。官网: https://modelscope.cn/models?
FunASR：阿里达摩院开源语音识别工具包，比 Whisper 快 13 倍
做语音转文字，以前要么用云服务（一年几万到几十万），要么用 Whisper（慢得要 GPU）。FunASR 是阿里达摩院开源的东西，一套代码搞定语音识别、说话人分离、情感识别、标点恢复。
阿里通义百聆推出新版语音模型：3秒录音“复制”9种语言18种方言
IT之家 12 月 15 日消息，今天下午，通义大模型通过官方公众号宣布，两款“百聆”语音模型正式开源，两款模型迎来升级。根据介绍，其只需 3 秒录音，就能让你的声音无缝切换语种、方言与情绪—— 普通话、粤语、日、英、开心、愤怒……9 种通用语言、18 种方言，通通搞定。
FunASR：阿里开源的工业级语音识别
5月下旬，GitHub上有一个叫FunASR的项目持续受到关注，总Star数突破1.6万。它是阿里巴巴达摩院开源的语音识别工具包，定位很直接：工业级、高性能、多语言。FunASR的核心指标很硬：170倍实时率（处理1秒音频只需要0.
通义百聆，再掀 AI 硬件淘金潮
硬件端的热度，传导到算法层:今年以来，包括 OpenAI GPT-4o 语音系列、Anthropic Claude 语音模式、Mistral Voxtral 系列、ElevenLabs Eleven v3 等语音模型先后亮相。
ASR、TTS、Chat均为第一，阿里语音大模型拿下“大满贯”
5月28日，在全球权威 AI 评测平台 Artificial Analysis的语音排行榜上，阿里巴巴语音大模型Fun-Realtime-TTS-Preview 以 1190 分的 Elo 评分位列全球第五、国产第一。