W

Wav2vec2 Base Timit Moaiz Explast

moaiz237によって開発
このモデルはfacebook/wav2vec2-baseをTIMIT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、主に英語音声からテキストへの変換タスクに使用されます。
ダウンロード数 19
リリース時間 : 4/30/2022

モデル概要

これはWav2Vec2アーキテクチャに基づく音声認識モデルで、TIMITデータセットで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できます。

モデル特徴

Wav2Vec2アーキテクチャ採用
Facebookが開発したwav2vec2-baseアーキテクチャを採用しており、優れた音声特徴抽出能力を備えています。
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ファインチューニングを行い、英語音声認識性能を最適化しました。
比較的高い認識精度
評価セットで0.5404の単語誤り率(WER)を達成しました。

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
英語音声のテキスト化
英語音声コンテンツをテキスト形式に変換
単語誤り率0.5404
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