关于 Ichigo 歡迎來到 Ichigo , 这是一套精简的语音包,旨在为开发者提供最先进的语音模型和工具,由创新的 Ichigo 团队培育。语音技术的快速发展需要一种简化和统一语音任务的解决方案。Ichigo 正好做到了这一点,通过直观的 Python 接口或可扩展的 FastAPI 服务,为开发者提供了直接访问强大模型的能力,从而免去了繁琐的音频处理步骤,使您可以专注于真正重要的事情——部署和改进您的系统。
功能列表 此包包含 3 个功能: 1) 自动语音识别: Ichigo-ASR 2) 文本到语音: 即将推出 3) 语音语言模型: Ichigo-LLM (实验性) 它仅包含推理代码,适用于这些三个任务中的大多数本地推理用例。
Ichigo-ASR 是一个紧凑（22M 参数）的开源语音分词器，用于 Whisper-medium 模型，旨在在多语言环境中提高性能，而对其原始英语能力的影响最小。与输出连续嵌入的模型不同，Ichigo-ASR 将语音压缩为离散标记，使其更符合大型语言模型（LLM）的要求，从而实现即时语音理解。此语音分词器已在超过 400 小时的英语数据和 1000 小时的越南语数据上进行了训练。
- 对于单个文件