这模型是不是不适合用来生成字幕啊，精度不高，准确度不高，还有这哪几个模型识别字幕合适啊
I maintainer di solito rispondono entro 1 giorno
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 3/5
- Tempo stimato
- Mezza giornata
- Idoneità per principianti
- 22/100
- Tipo di issue
- Bug
- Chiarezza
- Da chiarire
- Stato di attività
- Attiva
- Stack tecnologico
- python
- Ambito
- machine-learning
Direzione di ricerca
This is a usage question about ASR accuracy for subtitle generation, not a code change: the body leaves the template's Question, Code and Environment sections empty, so no model, command or sample audio is named. Start by reading the model zoo and deployment sections of the README and docs to see which Paraformer/Whisper-style models are recommended for transcription, then ask the reporter for the exact model name, the inference command, and a short audio sample with the expected vs. actual text. Done means a concrete model recommendation backed by a reproducible command on the reporter's audio.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Notice: In order to resolve issues efficiently, please follow the template.
（注意：为了更加高效率解决您遇到的问题，请按照模板提问，补充细节。）
Before asking
- Search existing issues: https://github.com/modelscope/FunASR/issues
- Search the docs: https://modelscope.github.io/FunASR/
- Check the README quick start and deployment section.
Question
Code or command
What have you tried?
Environment
- OS:
- Python version:
- FunASR version:
- ModelScope version:
- PyTorch / torchaudio version:
- Install method (
pip, source, Docker): - Device (
cuda,cpu,mps): - GPU model:
- CUDA/cuDNN version:
- Docker image tag, if used:
- Lingua principale
- Python
- Stelle
- 21k
- Fork
- 2.1k
- Merge medio
- 15h 16m
- PR unite (30g)
- 85
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Ha un modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di modelscope/FunASR
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
modelscope/FunASR#3801 · 3 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
modelscope/FunASR#3796 · 3 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
modelscope/FunASR#3762 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
Bug: blank lines in wav.scp / jsonl file lists crash prepare_data_iterator (IndexError / JSONDecodeError)Forse già presa Una pull request collegata a questa issue è aperta o già unita. Apertaneeds feedback
Difficoltà 2/5 1-3 ore Idoneità per principianti 85/100
modelscope/FunASR#3757 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 86/100
modelscope/FunASR#3704 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
Tutte le issue di modelscope/FunASR
Issue simili
-
enhancement
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
Sienna-Platform/SiennaSchemas#130 ·
I maintainer di solito rispondono entro 3 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 85/100
firedrakeproject/Irksome#293 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
ida-arbeitszeit/workers-control#1578 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
aws-samples/sample-per-model-bedrock#898 ·
I maintainer di solito rispondono entro 1 giorno