AIBase
EN

AI News

View More

腾讯混元 Hy ASR3.0 预览版发布：从"听清"到"听懂"，方言词错率压到 3%

12.1k 3 minutes ago
腾讯混元 Hy ASR3.0 预览版发布：从"听清"到"听懂"，方言词错率压到 3%

腾讯混元发布 Hy ASR 3.0 preview：语音识别不再逐字硬转，而是真的听懂了语境

63.7k 13 minutes ago
腾讯混元发布 Hy ASR 3.0 preview：语音识别不再逐字硬转，而是真的听懂了语境

阿里通义实验室发布语音识别大模型Fun-ASR1.5 30 种语言、方言古诗都能秒转！

19.2k 2 days ago
阿里通义实验室发布语音识别大模型Fun-ASR1.5 30 种语言、方言古诗都能秒转！

​腾讯搜狗输入法发布 20.0 重磅版本全面AI

16.7k 15 hours ago
​腾讯搜狗输入法发布 20.0 重磅版本全面AI

AI Products

View More

FireRedASR-AED-L

开源工业级自动语音识别模型，支持普通话、方言和英语，性能卓越。

语音识别
12k

Models

View More

Claude 3 Sonnet

Anthropic

Claude 3 Sonnet

$21

Input tokens/M

$105

Output tokens/M

200

Context Length

qwen3-vl-plus

Alibaba

qwen3-vl-plus

$1

Input tokens/M

$10

Output tokens/M

256

Context Length

qwen3-livetranslate-flaltimeash-re-2025-09-22

Alibaba

qwen3-livetranslate-flaltimeash-re-2025-09-22

$8

Input tokens/M

$240

Output tokens/M

52

Context Length

qwen3-omni-30b-a3b-captioner

Alibaba

qwen3-omni-30b-a3b-captioner

$15.8

Input tokens/M

$12.7

Output tokens/M

64

Context Length

qwen3-tts-flash-realtime

Alibaba

qwen3-tts-flash-realtime

-

Input tokens/M

-

Output tokens/M

-

Context Length

qwen3-tts-flash

Alibaba

qwen3-tts-flash

-

Input tokens/M

-

Output tokens/M

-

Context Length

Doubao - Seedream - 4.0

Bytedance

Doubao - Seedream - 4.0

-

Input tokens/M

-

Output tokens/M

-

Context Length

Doubao - Seedream - 3.0 - t2i

Bytedance

Doubao - Seedream - 3.0 - t2i

-

Input tokens/M

-

Output tokens/M

-

Context Length

Doubao-SeedEdit-3.0-i2i

Bytedance

Doubao-SeedEdit-3.0-i2i

-

Input tokens/M

-

Output tokens/M

-

Context Length

qwen-vl-plus

Alibaba

qwen-vl-plus

$0.8

Input tokens/M

$2

Output tokens/M

128

Context Length

qwen3-asr-flash

Alibaba

qwen3-asr-flash

-

Input tokens/M

-

Output tokens/M

-

Context Length

Qianfan-VL-8B

Baidu

Qianfan-VL-8B

-

Input tokens/M

-

Output tokens/M

32

Context Length

Qianfan-VL-70B

Baidu

Qianfan-VL-70B

-

Input tokens/M

-

Output tokens/M

32

Context Length

Qwen3-0.6B

Alibaba

Qwen3-0.6B

$0.3

Input tokens/M

-

Output tokens/M

32

Context Length

qwen-tts

Alibaba

qwen-tts

$1.6

Input tokens/M

$10

Output tokens/M

8

Context Length

Hunyuan-T1-Vision

Tencent

Hunyuan-T1-Vision

$3

Input tokens/M

$9

Output tokens/M

16

Context Length

QianfanHuijin-8B

Baidu

QianfanHuijin-8B

-

Input tokens/M

-

Output tokens/M

32

Context Length

QianfanHuijin-Reason-8B

Baidu

QianfanHuijin-Reason-8B

-

Input tokens/M

-

Output tokens/M

32

Context Length

Qianfan-QI-VL

Baidu

Qianfan-QI-VL

-

Input tokens/M

-

Output tokens/M

32

Context Length

Doubao-1.5-vision-lite

Bytedance

Doubao-1.5-vision-lite

$1.5

Input tokens/M

$4.5

Output tokens/M

128

Context Length

Voxlect Mandarin Cantonese Dialect Whisper Small

tiantiaf

V

基于Whisper-small架构的语音方言分类模型，专门用于识别8种中国方言变体，包括江淮方言、胶辽官话、冀鲁官话、兰银官话、普通话、西南官话、中原官话和粤语。该模型在Common Voice 11.0数据集上训练，具有重要的语音识别价值。

音频处理TransformersTransformersChinese
tiantiaf
612
1

Voxlect English Dialect Whisper Small

tiantiaf

V

基于Whisper-small的英语方言分类模型，能够准确识别16种不同的英语方言，为语音处理和语言研究提供支持。

音频处理TransformersTransformersEnglish
tiantiaf
791
2

Whisper Large V3 Egyptian Arabic

AbdelrahmanHassan

W

本模型是基于OpenAI的Whisper Large V3模型，使用LoRA方法在埃及阿拉伯语方言数据集（Egyptian-ASR-MGB-3）上进行微调的自动语音识别模型。它专门优化了对埃及阿拉伯语方言的识别能力，显著提升了在该方言上的词错误率（WER）性能。

音频处理PeftPeftArabic
AbdelrahmanHassan
2.5k
1

Whisper Kurmanji

amedcj

W

针对库尔德语库尔曼吉方言的自动语音识别模型，基于Whisper架构微调

音频处理SafetensorsSafetensorsOther
amedcj
272
1

Whisper Akan Finetuned

dennis-9

W

基于Whisper架构的自动语音识别模型，针对特定语言或方言进行了微调

音频处理TransformersTransformers
dennis-9
68
1

Marbertv2 Arabic Written Dialect Classifier

IbrahimAmin

M

基于MARBERTv2微调的阿拉伯语方言分类器，可识别五种主要阿拉伯书面方言

自然语言处理TransformersTransformersMultiple Languages
IbrahimAmin
113
1

Whisper Small Egyptian Arabic

MAdel121

W

这是一个针对埃及阿拉伯语方言进行微调的Whisper-small自动语音识别模型，基于SpeechBrain工具包训练

音频处理TransformersTransformersMultiple Languages
MAdel121
196
1

Navaistt_v1_medium

islomov

N

基于Whisper medium模型微调的乌兹别克语语音识别模型，支持塔什干方言，训练数据约700小时

音频处理SafetensorsSafetensorsOther
islomov
3.1k
12

Roest Wav2vec2 1B V2

CoRal-project

R

这是丹麦最先进的语音识别模型，由Alvenir作为CoRal项目的一部分训练而成，基于CoRal-v2数据集训练，覆盖多种丹麦方言。

音频处理SafetensorsSafetensorsOther
CoRal-project
91
1

Roest Wav2vec2 315m V2

CoRal-project

R

由Alvenir训练的丹麦最先进语音识别模型，基于CoRal-v2数据集，支持多种丹麦方言

音频处理SafetensorsSafetensorsOther
CoRal-project
238
2

Whisper Finetune Teochew

panlr

W

基于Whisper-medium微调的潮州话（潮汕话）正字识别模型，支持多方言口音的正字转录

音频处理SafetensorsSafetensorsChinese
panlr
20
4

Mms 300m Arabic Dialect Identifier

badrex

M

该模型是基于MMS-300m微调的阿拉伯语方言语音识别模型，能够识别现代标准阿拉伯语及四种主要阿拉伯方言。

音频处理TransformersTransformersArabic
badrex
73
2

Artst_asr_v3_qasr

MBZUAI

A

基于QASR数据集微调的阿拉伯语自动语音识别模型，特别适配方言变体

音频处理TransformersTransformersMultiple Languages
MBZUAI
636
1

WhisperLevantine

HebArabNlpProject

W

针对黎凡特方言（以色列阿拉伯语）微调的Whisper模型，提升该特定阿拉伯语变体的自动语音识别性能

音频处理PytorchPytorchArabic
HebArabNlpProject
378
1

Whisper Large V3 Turbo Shqip

Kushtrim

W

基于OpenAI Whisper Large v3 Turbo针对阿尔巴尼亚语优化的语音识别模型，支持标准阿尔巴尼亚语及盖格方言

音频处理TransformersTransformersOther
Kushtrim
143
4

Whisper Large V3 Turbo Swissgerman

nizarmichaud

W

OpenAI Whisper Large V3 Turbo模型的微调版本，专为瑞士德语方言通过QLoRa优化适配，在瑞士德语自动语音识别任务中达到最先进性能。

音频处理TransformersTransformersGerman
nizarmichaud
40
11

Whisper Medium Aeb_ENT

Rziane

W

基于openai/whisper-medium在AT_ENT数据集上微调的阿拉伯语（突尼斯方言）语音识别模型

音频处理TransformersTransformersOther
Rziane
15
1

Whisper Medium Darija

ychafiqui

W

基于openai/whisper-medium在达里贾方言语音转文本数据集上微调的语音识别模型

音频处理TransformersTransformersOther
ychafiqui
169
5

Whisper Small Kurdish Sorani 10

roshna-omer

W

基于openai/whisper-small微调的库尔德语索拉尼方言语音识别模型

音频处理TransformersTransformers
roshna-omer
95
1

Xls R Greek Cretan

ilsp

X

首个针对克里特方言的自动语音识别(ASR)模型，基于希腊语XLS-R模型微调训练。

音频处理TransformersTransformers
ilsp
17
1