跳到正文

OmniSenseVoice

带精准时间戳的快速语音识别模型

访问官网

OmniSenseVoice 是什么

OmniSenseVoice 被介绍为基于 SenseVoice 优化的语音识别模型,专为快速推理和精确时间戳设计。它提供更智能、更快速的音频转录方式。

你可以用它做什么

  • 自动检测语言或指定中文、英文、粤语、日语、韩语
  • 选择是否进行逆文本归一化处理
  • 在指定的 GPU 或默认的 CPU 上运行模型
  • 使用量化模型加快处理速度

应用场景

  • 实时转录会议并生成带时间戳的会议记录
  • 把在线课程内容转写为带时间戳的课程笔记
  • 为实时翻译应用提供快速准确的语音识别

上手流程

  • 安装 OmniSenseVoice 模型
  • 按需设置语言参数,例如 --language zh
  • 选择是否进行文本归一化处理,例如 --textnorm woitn
  • 指定运行的设备 ID,例如 --device-id 0

优点与缺点

✓ 我们认可的地方

  • 可选择在特定 GPU 上运行,默认使用 CPU
  • 提供基准测试功能以评估模型性能

! 需要留意的地方

  • 默认运行设备为 CPU
  • 语言与文本归一化需通过参数设置

常见问题

列出支持哪些语言?

资料列出自动检测、中文、英文、粤语、日语、韩语。

能在 GPU 上运行吗?

资料说明可指定特定 GPU,默认设备为 CPU。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法