2025年最高の 1876 個の音声認識ツール

pyannote.audio 2.1バージョンに基づく音声活動検出モデルで、音声中の音声活動時間帯を識別するために使用されます

これはポルトガル語音声認識タスク向けにファインチューニングされたXLSR-53大規模モデルで、Common Voice 6.1データセットでトレーニングされ、ポルトガル語音声からテキストへの変換をサポートします。

WhisperはOpenAIが提案した先進的な自動音声認識(ASR)および音声翻訳モデルで、500万時間以上の注釈付きデータで訓練されており、強力なデータセット間およびドメイン間の汎化能力を持っています。

WhisperはOpenAIが開発した最先端の自動音声認識(ASR)および音声翻訳モデルで、500万時間以上のラベル付きデータでトレーニングされ、ゼロショット設定において強力な汎化能力を発揮します。

facebook/wav2vec2-large-xlsr-53モデルをファインチューニングしたロシア語音声認識モデル、16kHzサンプリングレートの音声入力をサポート

facebook/wav2vec2-large-xlsr-53モデルをファインチューニングした中国語音声認識モデルで、16kHzサンプリングレートの音声入力をサポートしています。

facebook/wav2vec2-large-xlsr-53をファインチューニングしたオランダ語音声認識モデルで、Common VoiceとCSS10データセットでトレーニングされ、16kHz音声入力に対応しています。

facebook/wav2vec2-large-xlsr-53モデルをベースにファインチューニングした日本語音声認識モデルで、16kHzサンプリングレートの音声入力をサポート

Hugging Faceの事前学習モデルを基にしたテキストと音声の強制アライメントツールで、多言語対応かつメモリ効率に優れています

facebook/wav2vec2-large-xlsr - 53をベースに微調整されたアラビア語音声認識モデルで、Common Voiceとアラビア語音声コーパスで訓練されました。

Whisperは強力な自動音声認識モデルで、68万時間のデータで訓練され、優れた汎化能力を持っています。

Facebookが開発したWav2Vec2の基礎モデルで、960時間のLibrispeech音声オーディオで事前学習と微調整を行い、英語の自動音声認識タスクに使用されます。

Whisperは、事前学習された自動音声認識（ASR）および音声翻訳モデルで、68万時間のラベル付きデータで学習され、強力な汎化能力を持っています。

Wav2Vec2 XLSRアーキテクチャに基づく韓国語自動音声認識(ASR)モデルで、Zeroth韓国語データセットで優れた性能を発揮

facebook/wav2vec2-large-xlsr-53を低リソースのインド言語データセットでファインチューニングしたヒンディー語自動音声認識モデル

facebook/wav2vec2-xls-r-300mを基にデンマーク議会音声データセットで微調整したデンマーク語自動音声認識モデル

これはfacebook/wav2vec2-xls-r-300mモデルをファインチューニングしたヘブライ語自動音声認識モデルで、2段階のトレーニングにより小規模と大規模のデータセットで性能を最適化しています。

facebook/wav2vec2-xls-r-300mをフィリピン語音声データセットでファインチューニングした音声認識モデル

これはOpenAI WhisperベースモデルのCTranslate2変換バージョンで、効率的な音声認識タスクに使用されます。

Whisper large-v2はOpenAIが開発した大規模自動音声認識(ASR)モデルで、複数言語の音声から文字への変換タスクをサポートします。

OpenAI Whisperミニモデルに基づくCTranslate2変換バージョンで、効率的な音声認識に使用されます。

HuBERT-Largeは、LibriSpeechの960時間の音声データで微調整された自己教師付き音声表現学習モデルで、自動音声認識タスクに使用されます。

Whisper large-v3はOpenAIが開発した大規模多言語自動音声認識(ASR)モデルで、複数言語の音声からテキストへの変換タスクをサポートしています。

facebook/wav2vec2-xls-r-300mを基にトルコ語でファインチューニングした自動音声認識モデル

WavLMはマイクロソフトによって開発された大規模な自己教師付き事前学習音声モデルで、16kHzサンプリングの音声オーディオを基に事前学習され、様々な音声処理タスクに適用できます。

これはXLS-R 1Bアーキテクチャに基づくポルトガル語自動音声認識モデルで、複数のポルトガル語音声データセットでファインチューニングされています。

Whisperは事前訓練された自動音声認識(ASR)および音声翻訳モデルで、68万時間の注釈付きデータで訓練されており、強力な汎化能力を備えています。

Conformerアーキテクチャに基づく音声エンコーダーで、450万時間のラベルなし音声データで事前学習され、143以上の言語をサポート

Distil-WhisperはWhisper large-v3の知識蒸留バージョンで、英語自動音声認識に特化し、より高速な推論速度を提供しながら、オリジナルモデルに近い精度を維持します。

ポーランド語に最適化されたXLSR-53大規模音声認識システム、facebook/wav2vec2-large-xlsr-53を基にファインチューニング、ポーランド語自動音声認識をサポート

HuBERTは自己教師あり音声表現学習モデルで、BERTのような予測損失を通じて音声特徴を学習し、音声認識などのタスクに適しています。

WavLMはマイクロソフトが開発した大規模自己教師付き音声事前学習モデルで、フルスタック音声処理タスクをサポートし、SUPERBベンチマークテストで優れた性能を発揮します。

Whisperは、事前学習された自動音声認識（ASR）および音声翻訳モデルで、68万時間のアノテーション付きデータで学習され、強力なクロスドメイン汎化能力を持っています。

OpenAI Whisper小型モデルのCTranslate2フォーマット変換版、効率的な音声認識用

wav2vec2-largeに基づく音声認識モデルで、句読点付きの転写テキストを生成するために設計され、TTSモデルの構築に適しています。

Whisper TinyはOpenAIが開発した自動音声認識(ASR)モデルで、Whisperシリーズの中で最も小さいバージョンであり、パラメータ規模は39Mです。

このモデルは、wav2vec2-large-xlsr-53の事前学習モデルをCommonVoiceデータセットで微調整した多言語音素識別モデルで、複数の言語の音素ラベル識別をサポートします。

WhisperKit は Apple Silicon 向けのローカル音声認識フレームワークで、効率的な自動音声認識タスクをサポートします。

ペルシア語に最適化されたXLSR - 53大規模モデルの音声認識システムで、facebook/wav2vec2-large-xlsr-53アーキテクチャに基づいて微調整されています。

これはWhisper large-v3 turboモデルをCTranslate2形式に変換したバージョンで、効率的な自動音声認識タスクに使用されます。

facebook/wav2vec2-large-xlsr-53モデルをベースに微調整された英語音声認識モデルで、Common Voice 6.1データセットで訓練されました。

これはfacebook/wav2vec2-xls-r-300mをチェコ語データセットでファインチューニングした自動音声認識モデルで、16kHzサンプリングレートの音声入力をサポートします。