待验证50% 置信事实精确时间
Whisper 将语音识别、语言识别、时间戳预测和语音翻译统一为序列到序列任务，通过特殊控制标记指定任务类型
1
来源数
50%
置信度
长期有效
时效性
2026/7/22
首次发现
来源
相关事实
已验证Whisper的架构采用编码器-解码器结构，编码器将音频的梅尔频谱图转化为高维特征表示，解码器以自回归方式逐词生成文字输出75% 相似待验证Whisper模型使用多任务训练框架，通过特殊的语言标记token指示目标语言，当解码器被设定为韩语模式时，输出分布向韩文token倾斜73% 相似待验证豆包语音输入以字符流方式实时输出识别结果（边说边出字），而非等整句话说完才返回结果，并支持通过系统级快捷键全局唤起69% 相似待验证可灵2.6具有口型同步能力，将角色台词写入提示词后，模型会自动生成带有口型匹配和情感语气的配音67% 相似待验证音频指纹技术可以自动识别录音内容，再结合概率模型将其与词曲作品数据库进行关联67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/585370API
curl https://kongchang.com/api/v1/knowledge/claims/585370MCP
get_claim(id=585370)