Hintergrund und Schmerzpunkte
In multinationalen Unternehmen oder mehrsprachigen Teams werden Besprechungen oft in verschiedenen asiatischen Sprachen oder Dialekten aufgezeichnet. Die herkömmliche Methode besteht darin, das Audiomaterial manuell zu trennen und zwischen verschiedenen Sprachmodellen zu wechseln, was zeitaufwändig, arbeitsintensiv und fehleranfällig ist.
Dolphin-Lösungen
- Automatische Erkennung von SprachenAutomatische Erkennung von 40 asiatischen Sprachen und 22 Dialekten durch die LID-Funktion, ohne dass der Sprachtyp im Voraus festgelegt werden muss.
- Konfiguration der StapelverarbeitungBefehlszeilenmodus: Der Befehlszeilenmodus ist verfügbar mit
--lang_sym autoParameter für die automatische Erkennung des Umschaltens in mehrere Sprachen - Optimierung der Segmentierung::
- Teilen Sie das lange Audiomaterial zunächst mit der VAD-Funktion
dolphin meeting.wav --vad true
- Mehrsprachige Erkennung von segmentierten Audiostapeln
for segment in *.wav; do dolphin $segment --lang_sym auto; done
- Teilen Sie das lange Audiomaterial zunächst mit der VAD-Funktion
fortgeschrittene Fähigkeit
Für gemischtsprachige Szenarien kann es mit der FFmpeg-Vorverarbeitung gekoppelt werden:ffmpeg -i input.mp3 -ac 1 -ar 16000 -c:a pcm_s16le output.wav
Stellen Sie sicher, dass die Audio-Abtastrate an die Anforderungen des Modells angepasst ist, um die Erkennungsgenauigkeit zu verbessern.
Diese Antwort stammt aus dem ArtikelDolphin: Asiatische Spracherkennung und Speech-to-Text-Modelle für asiatische SprachenDie
Deutsch 
简体中文 
English 
日本語 
Português do Brasil