一项新的研究论文比较了自动语音识别(ASR)系统和人工听众,发现Google Telephony表现良好,有时甚至在儿童或老年人语音以及弗拉芒语口音等特定语音类型上优于人类。与此同时,开源ASR模型领域正在超越Whisper实现多样化,Cohere的Transcribe和IBM的Granite Speech 4.1已成为强有力的竞争者。然而,这些模型的比较因评估方法不同和私有数据集的影响而变得复杂,这表明对于用户而言,许可、语言支持和成本正变得比原始准确性更关键的因素。 AI
影响 开源ASR模型的多元化以及与人类表现的比较,凸显了语音技术的进步和更广泛应用的潜力。
排序理由 该集群包含一项关于语音识别基准测试的研究论文以及对开源ASR模型的比较。
- Dutch
- Google Telephony
- Jasmin-CGN
- ARK-ASR-3B
- Cohere
- Cohere Transcribe
- Granite Speech 4.1
- IBM
- MOSS-Transcribe-preview-2B
- Whisper
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →