W

Wav2vec2 Base Timit Demo Colab50

hassnain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30エポックのトレーニングを行いました。
ダウンロード数 16
リリース時間 : 5/1/2022

モデル概要

wav2vec2アーキテクチャに基づく音声認識モデルで、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アーキテクチャ採用
Facebookがオープンソース化したwav2vec2-baseモデルをベースアーキテクチャとして採用
TIMITデータセットでファインチューニング
TIMIT音声データセットで30エポックのファインチューニングを実施
低い単語誤り率
評価データセットで1.0の単語誤り率(WER)を達成

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
音声からテキストへ
英語音声コンテンツをテキストに変換
単語誤り率1.0
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