Wav2vec2 7
このモデルはfacebook/wav2vec2-baseを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0.52の単語誤り率を達成しました。
ダウンロード数 20
リリース時間 : 5/23/2022
モデル概要
wav2vec2-7はwav2vec2アーキテクチャに基づく音声認識モデルで、主に音声をテキストに変換するために使用されます。
モデル特徴
低単語誤り率
評価セットで0.52の単語誤り率を達成し、良好な性能を示しています。
wav2vec2アーキテクチャベース
facebook/wav2vec2-baseをファインチューニングしており、優れた音声特徴抽出能力を継承しています。
線形学習率スケジューリング
トレーニングプロセスで線形学習率スケジューリングとウォームアップステップを使用し、トレーニング効果を最適化しました。
モデル能力
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
会議の録音を文字記録に変換
単語誤り率0.52
音声アシスタント
音声アシスタントの音声認識モジュールとして使用
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