让我们看看演示视频吧！

OSUM，西北工业大学开源的语言理解模型，支持语音识别(ASR)，带时间戳的语音识别(SRWT)，声音事件检测(VED)，语音情感识别(SER)，说话风格识别(SSR)，说话者性别分类(SGC)，说话者年龄预测(SAP)，语音到文本对话(STTC)8种语音理解任务。

项目地址：https://aslp-lab.github.io/OSUM.github.io/

Github地址：https://github.com/ASLP-lab/OSUM

论文地址：https://arxiv.org/abs/2501.13306v2



微信扫描下方的二维码阅读本文

OSUM，西北工业大学开源的语言理解模型，支持8种语音理解任务插图

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。