Wav2vec2 Base Timit Demo Colab0
facebook/wav2vec2-baseモデルを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
ダウンロード数 20
リリース時間 : 4/30/2022
モデル概要
このモデルは英語音声認識用の事前学習済みモデルで、TIMITデータセットでのファインチューニングにより認識性能を最適化
モデル特徴
wav2vec2アーキテクチャベース
Facebookが開発したwav2vec2-baseアーキテクチャを採用し、優れた音声特徴抽出能力を有する
TIMITデータセットでのファインチューニング
標準的な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
比較的軽量
largeバージョンではなくbaseバージョンをベースとしており、リソースが限られた環境での展開に適している
モデル能力
英語音声認識
音声からテキストへの変換
自動音声転写
使用事例
音声転写
会議議録の自動化
英語の会議録音を自動的に文字記録に変換
単語誤り率0.7734
音声コマンド認識
英語の音声コマンドを認識
教育
発音評価
英語学習者の発音評価に使用
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