Wav2vec2 Base Timit Demo Colab11
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
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