---
title: SenseVoiceSmall
canonical_url: "https://www.modelscope.cn/models/chadweng/SenseVoiceSmall"
md_url: "https://www.modelscope.cn/models/chadweng/SenseVoiceSmall.md"
repository: chadweng/SenseVoiceSmall
last_updated: 2026-02-09
pipeline_tag: auto-speech-recognition
tasks:
  - auto-speech-recognition
library_name:
  - onnx
  - pytorch
frameworks:
  - Pytorch
downloads: 68
stars: 0
---

# SenseVoiceSmall

> SenseVoiceSmall - chadweng 在 ModelScope 开源的模型。SenseVoice ONNX 模型规格说明

- **Repository**: chadweng/SenseVoiceSmall
- **Tasks**: auto-speech-recognition
- **Downloads**: 68
- **Stars**: 0
- **Last updated**: 2026-02-09

Source: https://www.modelscope.cn/models/chadweng/SenseVoiceSmall

---

# SenseVoice ONNX 模型规格说明

## 模型输入规格
- `speech`: 音频特征输入
  - 形状: `[batch_size, feats_length, 560]`
  - 数据类型: float32
  - 说明: 包含语音特征序列，特征维度固定为560

- `speech_lengths`: 语音长度输入
  - 形状: `[batch_size]`
  - 数据类型: int64
  - 说明: 指定每个batch中实际语音序列的长度

- `language`: 语言标识输入
  - 形状: `[batch_size]`
  - 数据类型: int64
  - 说明: 指定输入语音的语言类型

- `textnorm`: 文本归一化标识输入
  - 形状: `[batch_size]`
  - 数据类型: int64
  - 说明: 控制文本归一化的行为模式


### Dummy 输入Shape详情

- **输入Shape**: 
  - speech: [2, 30, 560]
  - speech_lengths: [2]
  - language: [2]
  - textnorm: [2]

## 模型输出规格
- `ctc_logits`: CTC解码逻辑值输出
  - 形状: `[batch_size, sequence_length, 25055]`
  - 数据类型: float32
  - 说明: 包含字符级别的分类概率分布，共25055个类别

- `encoder_out_lens`: 编码器输出长度
  - 形状: `[batch_size]`
  - 数据类型: int64
  - 说明: 表示编码器有效输出序列的长度

## 动态轴信息

模型支持以下动态维度：

- Batch维度: `batch_size` (可变)
- Sequence长度维度: `feats_length` (可变)
- 输出序列长度维度: `sequence_length` (随输入变化)

## ONNX Opset版本

该模型使用ONNX Opset版本: **14**

### 模型简化

- **是否简化**: 是
- **简化工具**: onnxslim 0.1.78