AIbase
JA
ホーム
Wav2vec2 Base 960h Finetuned Common Voice
W

Wav2vec2 Base 960h Finetuned Common Voice

obokkkkによって開発
このモデルはfacebook/wav2vec2-base-960hをCommon Voice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す
音声認識
Transformers
オープンソースライセンス:Apache-2.0#音声認識#ファインチューニングモデル#多言語対応
ダウンロード数 16
リリース時間 : 4/25/2022

モデル概要

wav2vec2-base-960h-finetuned_common_voiceは、wav2vec2アーキテクチャに基づく自動音声認識(ASR)モデルで、960時間のLibriSpeechデータセットで事前学習され、Common Voiceデータセットでファインチューニングされています。

モデル特徴

wav2vec2アーキテクチャベース
先進的なwav2vec2自己教師あり学習アーキテクチャを採用し、効果的に音声表現を学習可能
Common Voiceファインチューニング
Common Voiceデータセットでファインチューニングされており、モデルの汎化能力が強化されています
効率的なトレーニング
混合精度トレーニングや勾配蓄積などの技術を使用し、トレーニング効率を向上

モデル能力

音声認識
音声からテキストへの変換
英語音声処理

使用事例

音声文字起こし
会議議事録
会議の録音を自動的に文字記録に変換
字幕生成
動画コンテンツに自動的に英語字幕を生成
音声アシスタント
音声コマンド認識
ユーザーの音声コマンドを認識・理解
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
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
English简体中文繁體中文にほんご
© 2025AIbase