SenseVoice
AI オーディオ · ノイズ除去・分離 オープンソース無料 / 商用利用可

SenseVoice

アリババが公開した超低遅延の多言語音声認識モデル。高精度文字起こしに加え、感情認識や環境音検出を統合。

ユーザー高評価率 100%
30 件の評価

無料枠と利用ルール

GitHubおよびModelScopeでApache 2.0ライセンスにて完全無償公開。手元のPCやサーバーで完全オフライン利用可能

機能の概要と特徴

SenseVoiceは、アリババ通義ラボが開発したオープンソースの高性能多言語音声理解基盤モデルです。非自己回帰型アーキテクチャの採用により、数時間の音声をわずか数秒でテキスト化する圧倒的な推論速度(Whisperの数倍以上)を実現。さらに最大の特長として、多言語(日本語、中国語、英語、韓国語、広東語など)の高精度な文字起こしにとどまらず、話者の感情(歓喜、落胆、怒りなど)や背景音楽(BGM)、笑い声、拍手といった「音響イベント」を自動検出してテキスト中にタグ付けするリッチテキスト認識能力を備えています。

実機検証レビュー メリットとデメリット

主なメリット

  • ✓ 非自己回帰設計により数時間の音声も瞬時に書き起こす圧倒的スピードを誇り、Whisperを大幅に凌駕
  • ✓ BGMや笑い声、感情(喜怒哀楽)の自動検出タグ付けにより、会議録や動画字幕に豊かな文脈を付与
  • ✓ 日本語、中国語、英語、韓国語において高い認識精度を誇り、環境雑音への耐性も極めて強固

注意点・制限事項

  • ✕ 音声認識および音響分析に特化しており、音声合成(TTS)や音楽生成の機能は持たない
  • ✕ 極端に小声で囁くような環境や声が重なる場面では、専門用語辞書の併用が推奨される

実際に試してみませんか?

下のボタンから公式サイトを開いてすぐにご利用いただけます。

開く SenseVoice ↗

関連する類似ツール

💬 ディスカッション

GitHub Powered