请问一下，WeNet进行一些简单的优化rtf大概能到多少呢？请知道的帮忙解答一下， 谢谢！
2条回答 默认 最新
- 2024-12-29 01:00Together_CZ的博客 WeNet: Production Oriented Streaming and Non-streaming End-to-End Speech Recognition Toolkit WeNet：面向生产的流式和非流式端到端语音识别工具包
- 2024-07-09 10:35帅小柏的博客 在语音识别领域，端到端（E2E）模型因其简化的训练过程和优越的性能而受到越来越多的关注。然而，将这些模型部署到实际应用中并不容易，需要解决流式推理、统一流式和非流式模式以及生产环境中的实际问题。本文介绍...
- 2022-07-12 16:31语音之家的博客 WeNet是目前工业界最流行的开源端到端语音识别系统，也是学习端到端语音识别的最佳实践项目（代码运算）。语音识别的学习者和从业者，可以通过学习课程高效全面的掌握Wenet的基本原理和实战方法，降低自己摸索的成本...
- 2024-07-21 11:48@李思成的博客 WeNet: 一个开源的语音识别工具包，旨在通过新的双通道方法U2统一流式和非流式端到端（E2E）语音识别。动机: 缩小E2E语音识别模型的研究与部署之间的差距。架构: 基于Transformer或Conformer编码器的混合连接时序...
- 2025-05-28 15:30光子AI的博客 随着智能硬件与对话式AI的普及，语音识别（Automatic Speech Recognition, ASR）已成为人机交互的核心技术。本文聚焦工业级ASR应用开发的全流程，覆盖从数据处理、模型训练（含端到端与传统混合模型）、评估优化到...
- 2021-12-22 21:04zx超的博客 Unified Streaming and Non-streaming Two-pass End-to-end Model for Speech Recognition[1] ，本文以该篇论文为主线，进行扩展。参考了很多大佬博客，非常感谢。如有错误，请指正。 流式与非流式语音识别统一模型-...
- 2023-04-06 11:44语音之家的博客 顺丰科技是顺丰集团旗下的科技公司，自2021年初，顺丰科技从零开始逐渐完善形成了全面的信号处理、语音合成、语音识别和语言理解的能力体系，同时根据公司业务场景的需求，打造了智能质检、智能外呼等实际产品并实现...
- 2024-05-22 13:48语音之家的博客 把 1B 级别的大模型优化到和 200M级别模型相同水平的 RTF 同时 WER 维持代差，难道不是一件该令人亢奋的事情吗？在两个月前的年度总结中，WeNet 社区已经开始向着更“大”更“强”迈进，去全面拥抱语音大模型的无限...
- 2026-01-05 05:19土城三富的博客 Fun-ASR WebUI 将轻量语音模型与图形界面结合，实现无需编程、保护隐私的本地化语音转写。支持批量处理、VAD分段和热词增强，适配GPU/CPU环境，让普通用户也能轻松部署高效ASR系统，推动AI在敏感场景下的安全落地。
- 2021-07-16 16:33Aspirin404的博客 WeNet是出门问问和西北工业大学联合开源的端到端语音识别⼯具，WeNet基于Pytorch生态提供了开发，训练和部署服务等一条龙服务方案，自上线以来，在Github已经获取近千star，受到业界的强烈关注。 本文介绍作业帮的...
- 2025-06-05 14:25许于宝的博客的博客 在中文语音识别领域，目前有几款开源框架在特定场景下可能比 Whisper 表现更好，尤其是针对中文优化的模型。：目前中文场景下综合表现最佳的开源选择。
- 2023-06-04 22:04Sanfor的博客 Whisper 是一个自动语音识别（ASR，Automatic Speech Recognition）系统，OpenAI 通过从网络上收集了 68 万小时的多语言（98 种语言）和多任务（multitask）监督数据对 Whisper 进行了训练。OpenAI 认为使用这样一个...
- 2024-07-03 14:40坦笑&&life的博客 Whisper OpenAI开源语音识别模型
- 2026-01-05 04:23蔓红荔的博客 Fun-ASR是一款支持离线语音识别的本地化工具，通过简单的启动脚本即可在个人设备上快速部署。它具备多语言识别、热词增强、文本规整等功能，兼容GPU与CPU加速，适用于会议转录、教学记录等场景，保障数据隐私的同时...
- 2026-01-05 02:40FasterThanMind的博客 从用户上传音频到文本输出，拆解Fun-ASR系统各阶段耗时分布，揭示模型推理是主要瓶颈，同时分析前端传输、预处理、ITN规整等环节的优化空间，帮助开发者提升语音识别响应速度与体验。
- 2026-01-05 05:09序雨的博客 Fun-ASR是一款专为中文场景优化的轻量级语音识别系统，支持本地部署、低资源运行和类流式交互。凭借VAD分段、热词增强与文本规整等实用功能，它在会议记录、教育、医疗等批量处理场景中表现出色，让非技术人员也能...
- 2026-01-15 01:24晕过前方的博客 为什么推荐Paraformer-large？... 获取更多AI镜像 想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
- 2025-07-25 10:49AI 小程序开发2020的博客 在AI原生应用（AI-Native Applications）的浪潮下，语音合成不再仅仅是“把文字转成语音”的工具，它已经成为构建智能交互体验的核心支柱，是赋予机器“灵魂”与“温度”的关键所在。在这样的理念下，语音作为一种最...
- 2025-09-11 06:22皮泉绮的博客 在当今AI驱动的世界中，语音技术已成为人机交互的核心枢纽。然而，开发者在选择语音工具包时常常面临三重困境：企业级工具（如阿里云语音服务）存在**数据隐私风险**与**定制化限制**；学术工具（如Kaldi）需要**...
- 2025-06-03 17:05小赖同学啊的博客 截至2023年，最先进ASR系统（如OpenAI Whisper）在LibriSpeech测试集上词错率（WER）已达1.5%，接近人类水平（1-3%）。技术发展正从“能听清”向“听懂意图”演进，与NLP的深度结合成为关键突破点。
- 没有解决我的问题, 去提问
问题事件
创建了问题
8月1日