Dolphin - 专门针对东方语言训练的语音识别模型 本地一键整合包下载

无言***

Dolphin - 专门针对东方语言训练的语音识别模型 本地一键整合包下载

Dolphin 是Dataocean AI 和清华大学合作开发的专门针对东方语言训练的语音识别模型。它支持东亚、南亚、东南亚和中东的 40 种东方语言，同时还支持 22 种中国方言。它基于超过 210,000 小时的数据进行训练，其中包括 DataoceanAI 的专有数据集和开源数据集。该模型可以执行语音识别、语音活动检测 （VAD）、分割和语言识别 （LID）。

今天分享的一键包基于AI视频配音软件 pyvideo作者jianchang512 大佬制作的WebUI整合，通过一个直观的 UI 界面，用户只需上传音频文件并选择目标语言，即可获得转写结果，输出格式默认为 SRT（字幕文件格式），也支持其他格式（如 JSON或txt）。


使用教程：
点击“选择文件”按钮，从本地选择需要转写的音频文件。支持的格式包括 mp3、mp4、mpeg、mpga、m4a、wav、webm、aac、flac、mov、mkv、avi 等

在“语言选择”下拉菜单中，选择目标语言，例如中文普通话、中文四川话、粤语等。如果不确定音频语言，可以选择“自动检测”，模型会尝试自动识别语言。
选择 “返回格式”，默认返回SRT字幕，也可以选择txt或json。
点击 “开始转写”


API 接口使用说明（面向开发者）
对于有开发需求的用户，我提供的整合包还包含一个 API 接口，开发者可以通过 HTTP 请求调用转写功能。
以下是 API 的使用方法：
端点：/v1/audio/transcriptions
方法：POST application/json
请求参数： file：音频文件（必填，支持 mp3、mp4 等格式）。 language：目标语言（可选，例如 zh-CN/zh-SICHUAN等，若不填则自动检测）。 response_format：返回格式（支持 "srt、json、txt"）。
返回： 成功时：返回转写结果（SRT 格式的文本或 JSON 、txt格式）。 失败时：返回错误信息（如文件格式不支持、转写失败等）。


下载地址：
https://pan.quark.cn/s/bd066c2fc218