Ultravox V0 5 Llama 3 2 1b ONNX
Ultravoxは多言語音声テキスト変換モデルで、LLaMA-3-2.1Bアーキテクチャを最適化し、複数言語の音声認識と文字起こしタスクをサポートします。
ダウンロード数 1,088
リリース時間 : 2/19/2025
モデル概要
このモデルは音声からテキストへの変換タスクに特化しており、複数言語の音声入力を処理し正確なテキスト文字起こしを生成できます。
モデル特徴
多言語サポート
40以上の言語の音声文字起こしをサポートし、欧州、アジア、アフリカの複数言語を含みます。
効率的な量子化
複数の量子化オプション(q8, q4など)を提供し、性能を維持しながらモデルサイズと計算要件を削減します。
会話型文字起こし
文脈を理解し、単なる逐語的な文字起こしではなく、会話シーンに適した文字起こし結果を生成できます。
モデル能力
音声文字起こし
多言語音声認識
会話型テキスト生成
リアルタイム音声処理
使用事例
会議記録
多言語会議文字起こし
多言語会議録音を自動的にテキストに変換し、後続の翻訳と分析をサポートします。
異なる発言者の音声内容を正確に認識し、構造化された会議記録を生成します。
メディア制作
動画字幕生成
多言語動画コンテンツに自動的に字幕を生成します。
動画のアクセシビリティを向上させ、手動字幕制作コストを削減します。
カスタマーサービス
音声カスタマーサービス記録
カスタマーサービス通話内容を自動記録・分析します。
品質監視と顧客ニーズ分析を容易にします。
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98