W

Wav2vec2 Base Timit Demo Colab11

sameearif88によって開発
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、TIMITデータセットで0.4348の単語誤り率を達成しました。
ダウンロード数 18
リリース時間 : 5/1/2022

モデル概要

これは英語音声認識のためのモデルで、wav2vec2アーキテクチャを基にファインチューニングされており、英語音声をテキストに変換するタスクに適しています。

モデル特徴

低単語誤り率
評価セットで0.4348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が開発したwav2vec2-baseをベースモデルとして採用
混合精度トレーニング
ネイティブAMPを使用したトレーニングにより、効率を向上

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
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43.48%
音声メモ
英語の音声メモを検索可能なテキストに変換
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
© 2025AIbase