Wav2vec2 Base Timit Demo Colab1
facebook/wav2vec2-base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済み
ダウンロード数 25
リリース時間 : 4/29/2022
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、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。
モデル特徴
wav2vec2アーキテクチャベース
Facebookのwav2vec2-baseをベースモデルとして採用し、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、特定の音声認識タスク向けに最適化されています
中程度の性能
評価セットで0.56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
音声内容分析
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
中程度の精度の文字起こし結果
音声メモ
個人の音声メモをテキストに変換
個人使用シナリオに適しています
教育
発音評価
英語学習者の発音正確性を評価する補助
発音練習の補助ツールとして使用可能
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