AIbase
JA
ホーム
Wav2vec2 Base Librispeech Demo Colab
W

Wav2vec2 Base Librispeech Demo Colab

vishwasgautamによって開発
このモデルはfacebook/wav2vec2-baseをLibriSpeech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で、評価セットで0.3174の単語誤り率を達成しました。
音声認識
Transformers
オープンソースライセンス:Apache-2.0#音声認識#LibriSpeechファインチューニング#低単語誤り率
ダウンロード数 14
リリース時間 : 4/25/2025

モデル概要

これは音声認識タスク用のファインチューニングモデルで、wav2vec2アーキテクチャに基づいており、英語音声からテキストへの変換タスクに適しています。

モデル特徴

wav2vec2アーキテクチャベース
facebookのwav2vec2-baseをベースモデルとして採用し、優れた音声特徴抽出能力を有しています
低単語誤り率
評価セットで0.3174の単語誤り率を達成し、良好な性能を示しています
効率的なトレーニング
混合精度トレーニング(ネイティブAMP)と線形学習率スケジューラを使用し、トレーニング効率が高い

モデル能力

英語音声認識
音声からテキストへの変換

使用事例

音声文字起こし
会議議事録の文字起こし
英語の会議録音を自動的に文字記録に変換
単語誤り率約31.74%
ポッドキャストコンテンツの文字起こし
英語ポッドキャストコンテンツを自動的にテキスト原稿に変換
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
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
English简体中文繁體中文にほんご
© 2025AIbase