语音识别领域迎来新王者！
Rev公司刚刚发布了一款堪称"Whisper终结者"的开源语音识别模型，一举打破了当前语音识别和说话人分离的最高水平。
这款名为Reverb ASR的模型，不仅性能强劲，还大方地将模型权重公开在了Hugging Face Hub上。
这一举动可谓是给语音识别领域带来了一股新鲜血液！
Reverb ASR：200K小时数据训练的超级模型
Reverb ASR可不是泛泛之辈。它在前所未有的20万小时人工转录数据上进行训练，成功达到了目前业界最低的词错误率（WER）。
更令人兴奋的是，这个模型还支持可定制的逐字转录。这意味着用户可以根据自己的需求，灵活调整转录的精确度和风格。
说话人分离：26K小时标注数据的加持
Rev团队没有止步于语音识别。他们还在说话人分离（Diarization）方面下足了功夫。
通过利用2.6万小时的标注数据，他们对pyannote模型进行了微调，推出了两个版本的说话人分离模型：
v1版本：基于pyannote3.0架构，经过17轮训练。
v2版本：更先进的版本，用WavLM取代了SincNet特征，实现了更精准的说话人分离。
强大的模型架构：精心设计的细节
Reverb ASR的架构设计可谓煞费苦心：
结构：采用强大的CTC/注意力混合架构，包含18个conformer层和6个transformer层，总参数量达到6亿。
语言特定层：用于控制逐字输出，确保转录的准确性和灵活性。
多种解码模式：支持CTC、注意力和联合CTC/注意力解码，适应不同场景需求。
生产就绪：优化的推理管道
Rev团队显然深谙"理论与实践相结合"的道理。他们为Reverb ASR打造了一套优化的推理管道：
WFST波束搜索：提高解码效率。
Unigram语言模型：优化语言理解。
注意力重新评分：进一步提升准确性。
并行处理：确保快速输出。
后处理：生成格式化输出，直接可用于生产环境。
开源策略：引领行业新风向
值得一提的是，Rev作为市场领导者，选择采取开放权重的策略，将模型权重公开在Hugging Face Hub上。
该举动不仅展示了Rev的技术实力和开放态度，也为整个语音识别领域注入了新的活力。
想要一睹Reverb ASR的风采？
请直接访问Hugging Face Hub上的Rev模型仓库：
https://huggingface.co/Revai
👇
👇
👇
👇
本文同步自于知识星球《AGI Hunt》
星球实时采集和监控推特、油管、discord、电报等平台的热点AI 内容，并基于数个资讯处理的 AI agent 挑选、审核、翻译、总结到星球中。
每天约监控6000 条消息，可节省约800+ 小时的阅读成本；
每天挖掘出10+ 热门的/新的 github 开源 AI 项目；
每天转译、点评 10+ 热门 arxiv AI 前沿论文。
星球非免费。定价99元/年，0.27元/天。(每+100人，+20元。元老福利~）
一是运行有成本，我希望它能自我闭环，这样才能长期稳定运转；
二是对人的挑选，鱼龙混杂不是我想要的，希望找到关注和热爱 AI 的人。
欢迎你的加入！
