孟子生成式大模型
孟子生成式大模型（孟子 GPT）是由澜舟科技研发的一款功能强大的生成式可控大语言模型。它能够通过多轮对话，帮助用户在特定场景中完成各种工作任务，包括内容生成、语言理解、知识问答、推理、代码理解和生成、金融任务等。
FireRedASR简介
FireRedASR是一款由FireRedTeam开发的开源工业级自动语音识别（ASR）模型，支持普通话、中文方言和英语。它在公开的普通话 ASR 基准测试中取得了新的最优结果，并且在歌词识别方面表现出色。
主要特点
- 多模型支持：FireRedASR 包括两个变体：FireRedASR-LLM 和 FireRedASR-AED。FireRedASR-LLM 采用编码器-适配器-大型语言模型 (LLM) 架构，旨在实现端到端的语音互动。FireRedASR-AED 采用注意力机制的编码器-解码器 (AED) 架构，旨在平衡高性能和计算效率。
- 高性能： 在公开的普通话基准测试中，FireRedASR-LLM (8.3B 参数) 的平均字符错误率 (CER) 为 3.05%，超过最新的最优结果。 FireRedASR-AED (1.1B 参数) 的平均 CER 为 3.18%，虽然略低于 FireRedASR-LLM，但仍优于最新的最优模型。
- 多语言和多任务能力： FireRedASR 在中文方言和英语的 ASR 测试中也表现出色，并在歌词识别方面表现突出。
- 开源与社区支持： FireRedASR 的模型和推理代码已经开源，用户可以在 GitHub 上获取和使用。
FireRedASR的应用场景
- 智能语音交互：FireRedASR可以应用于智能语音助手、语音输入法等场景，提供高精度的语音识别服务。
- 多媒体内容理解：FireRedASR在视频字幕生成、歌词识别等多媒体内容理解场景中表现出色。
- 日常场景应用：FireRedASR在短视频、直播、语音输入和智能助手等多种日常场景下表现出色，与业内领先的ASR服务提供商和Paraformer-Large相比，CER相对降低23.7%~40.0%。
FireRedASR相关链接：
- 项目地址：https://github.com/FireRedTeam/FireRedASR
- 论文地址：https://arxiv.org/abs/2501.14350
数据评估
关于FireRedASR特别声明
本站新媒派提供的该工具内容都来源于网络，不保证外部链接的准确性和完整性，同时，对于该外部链接的指向，不由新媒派实际控制，在2025年2月18日 下午8:56收录时，该网页上的内容，都属于合规合法，后期网页的内容如出现违规，可以直接联系网站管理员进行删除，新媒派不承担任何责任。
与FireRedASR相关工具
昇思MindSpore
昇思MindSpore是由华为自研的一种适用于端边云场景的全场景深度学习框架，MindSpore提供了友好的设计和高效的执行，旨在提升数据科学家和算法工程师的开发体验，并为Ascend AI处理器提供原生支持，以及软硬件协同优化。
百度智能云客悦
百度智能云客悦是百度推出的智能客服平台。其旗下的智能外呼平台是一款集合NLP（自然语言处理）、ASR（自动语音识别）、TTS（语音合成）等人工智能技术，提供公有云服务并支持同时面向多名用户，自动发起外呼通话的智能化产品。
Etna模型
Etna大模型是七火山科技推出的一个文生视频的AIGC模型，它能够根据简短的文本描述生成相应的视频内容。七火山科技发布的Etna文生视频模型支持生成视频时长达到8~15秒，每秒可达60帧，分辨率最高可达4K（3840*2160），画面细腻逼真。
FlashVideo
FlashVideo是一个由字节跳动和香港大学联合开发的高效高分辨率视频生成框架，特别适用于文本到视频的生成。通过创新的两阶段框架设计和流匹配技术，FlashVideo 能在短时间内生成 1080p 高清视频，优化视频流畅性，并减少计算成本。
Hyper-SD
Hyper-SD 是字节跳动推出的一种先进图像生成框架，结合了轨迹分段一致性蒸馏（TSCD）和人类反馈学习（RLHF），显著提升了扩散模型在少步骤推理下的图像生成性能。通过 Hyper-SD，用户可以在 1 到 8 步的推理过程中生成高质量的图像，极大地提高了生成速度和效率。
BuboGPT
BuboGPT是字节跳动推出的一种先进的大型语言模型（LLM），它具有将文本、图像和音频等多模态输入进行整合的能力，并且具备将回复与视觉对象进行对接的独特功能，可以执行跨模态交互并做到对多模态的细粒度理解。这显示出BuboGPT在对齐或未对齐的任意图像音频数据理解方面有着出色的对话能力。
紫东太初
紫东太初大模型是中国科学院自动化研究所和武汉人工智能研究院推出的新一代大模型。它从三模态走向全模态，支持多轮问答、文本创作、图像生成、3D理解、信号分析等全面问答任务。这个大模型具备更强的认知、理解、创作能力，为用户带来全新的互动体验。
腾讯混元3D
腾讯混元3D，全称为 Hunyuan3D-1.0，是腾讯推出的首个同时支持文生和图生的3D开源模型，专门解决现有3D生成模型在生成速度和泛化能力方面的不足。该模型采用了基于Diffusion 技术的架构，能够同时支持文本生成和图像生成3D资产。
GPT-4o mini
GPT-4o Mini 是 OpenAI 最新推出的小型智能模型，专为高性能和低成本的人工智能解决方案而设计。它支持文本、视觉、音频等多模态输入输出，响应速度极快，适用于实时应用场景。
Aiuni AI
Aiuni AI 是一款基于 Unique3D 开源技术的在线 AI 图片转 3D 模型生成建模工具，它能够在 30 秒内将单张图片转换为高质量的 3D 模型。用户通过简单的图片上传和点击生成，用户即可获得 360 度无死角的 3D 模型，确保每个角度都具有一致性和高质量的细节。
PengChengStarling
PengChengStarling是由 PengCheng Labs 开发的多语言自动语音识别工具，支持中文、英语、俄语、越南语、日语、泰语、印度尼西亚语和阿拉伯语。相比 Whisper-Large v3，PengChengStarling 的模型仅占其 20% 大小，但推理速度提高了 7 倍，且流式语音识别效果卓越。
YAYI2
YAYI2（雅意2）是中科闻歌推出的新一代开源大语言模型，支持中文、英语等 10 多种语言。基于 Transformer 架构，参数规模达到 30B。YAYI2 采用 2 万亿 Tokens 的高质量语料进行预训练，并结合人类反馈强化学习，确保模型与人类价值观对齐。其多模态交互功能支持图文互生成、PDF 解析等。YAYI2 广泛应用于媒体宣传、舆情分析、政务治理、金融分析等领域，为企业提供 AI 辅助工具和知识库问答系统。
可灵大模型
可灵大模型是快手AI团队自研的一款视频生成大模型，采用类似Sora的技术路线，能够生成符合物理规律的大幅度运动视频，模拟真实世界的特性。支持生成长达2分钟的30fps的超长视频，分辨率高达1080p，且支持多种宽高比。2024年6月，快手正式推出了可灵大模型，并在快影App开放邀测体验。
元象XChat
元象XChat是一款智能聊天助手，它基于元象通用大模型，可以与用户进行自然、流畅、有趣的对话。元象XChat不仅可以提供信息、解答问题，还可以创作内容，如诗歌、故事、代码、歌曲等。元象XChat的目标是成为用户的AI伙伴，帮助用户探索AI与3D的无限可能。
AnyText
AnyText是阿里云开源的一种基于扩散的多语言视觉文本生成和编辑模型，它利用了深度学习、自然语言处理、计算机视觉等技术，实现了对图像中文本的检测、识别、生成和编辑。
暂无评论...
