- 实用模型推荐(三)语音转文本模型:whisper
1.开原地址:https://github.com/openai/whisper https://github.com/guillaumekln/faster-whisper2.使用场景:语音转文字3.api封装:importosimportuvicornfromfastapiimportFastAPI,UploadFile,Filefromwhisperimportload_modelap......
- 【环境部署】TransformersTTS模型 -- 将文字转化为语音
论文背景AText-to-SpeechTransformerinTensorFlow2NeuralSpeechSynthesiswithTransformerNetworkFastSpeech:Fast,RobustandControllableTexttoSpeechFastSpeech2:FastandHigh-QualityEnd-to-EndTexttoSpeechFastPitch:ParallelText-to-speechw......
- transformers库的使用【一】——pipeline的简单使用
transformers库的使用使用pipelineAPI来快速使用一些预训练模型使用预训练模型最简单的方法就是使用pipeline()，transformers提供了一些任务：1、情感分析（Sentmentanalysis）：分析文本是正面的还是负面的2、文本生成（inEnglish）：提供一个语句，模型将生成这条语句的下一句3、命名实体识......
- Huggingface Transformers库学习笔记（一）：入门（Get started）
前言Huggingface的Transformers库是一个很棒的项目，该库提供了用于自然语言理解(NLU)任务(如分析文本的情感)和自然语言生成(NLG)任务(如用新文本完成提示或用另一种语言翻译)的预先训练的模型。其收录了在100多种语言上超过32种预训练模型。这些先进的模型通过这个库可以非常轻松......
- sentence-transformers(SBert)中文文本相似度预测(附代码)
sentence-transformers(SBert)中文文本相似度预测(附代码)https://blog.csdn.net/weixin_54218079/article/details/128687878https://gitee.com/liheng103/sbert-evaluatehttps://www.sbert.net/ 训练模型创建网络：使用Sbert官方给出的预训练模型sentence_hfl_chinese-rober......
- SentenceTransformers库介绍
https://blog.csdn.net/m0_47256162/article/details/129380499SentenceTransformer是一个Python框架，用于句子、文本和图像嵌入Embedding。这个框架计算超过100种语言的句子或文本嵌入。然后，这些嵌入可以进行比较，例如与余弦相似度进行比较，以找到具有相似含义的句子，这对于语......
- Whisper
Whisper是OpenAI公司开源的通用的语音识别模型。它是在包含各种音频的大型数据集上训练的，是一个可以执行多语言语音识别、语音翻译和语言识别的多任务模型。它也是一个针对各种语音处理任务进行训练的Transformer序列到序列模型。Whisper执行操作的大致过程：输入的音频被分割......
- 利用 AWS CodeWhisperer 激发孩子的编程兴趣
我是一个程序员，也是一个父亲。工作之余我会经常和儿子聊他们小学信息技术课学习的Scratch和Kitten这两款图形化的少儿编程工具。我儿子有一次指着书房里显示器上显示的VisualStudioCode问我，“为什么我们上课用的开发界面，和爸爸你每天工作用的样子不一样？”所以我也在想......
- 一款代码辅助工具——Amazon CodeWhisperer
一款代码辅助工具——AmazonCodeWhisperer官方链接： https://aws.amazon.com/cn/codewhisperer/?trk=a2076b82-2c5d-475a-8b78-f22f4bb4f9a1&sc_channel=display+ads 特点免费供个人使用无限的代码建议参考跟踪50次安全扫描（每位用户每月）支持IDE工具 VS插件搜索aws插......
- transformers
sentence="Hello,mysoniscuting."input_ids_method1=torch.tensor(tokenizer.encode(sentence,add_special_tokens=True))#Batchsize1 //一次性进行分词和id映射#tensor([101,7592,1010,2026,2365,2003,3013,2075,1012,102])input_token2=......