Wav2vec2 Base Timit Demo Colab
facebook/wav2vec2-baseモデルをベースにファインチューニングした音声認識モデルで、TIMITデータセットでトレーニングと評価が行われました。
ダウンロード数 24
リリース時間 : 4/30/2022
モデル概要
このモデルは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/wav2vec2-baseをベースモデルとして使用し、優れた音声特徴抽出能力を備えています。
ファインチューニング最適化
TIMITデータセットでファインチューニングを行い、特定シナリオでの認識精度を向上させました。
軽量
baseバージョンをベースにしており、モデルサイズが適度で、リソースが限られた環境での展開に適しています。
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
英語の会議録音を文字記録に変換
音声メモ
個人の音声メモを編集可能なテキストに変換
教育
発音評価
英語学習者の発音評価と矯正に使用
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