W

Wav2vec2 Large 960h Lv60 Self With Wikipedia Lm

gxbagによって開発
Facebookのwav2vec2-large-960h-lv60-selfモデルを基に、ウィキペディア言語モデルで強化した自動音声認識(ASR)システム
ダウンロード数 15
リリース時間 : 4/20/2022

モデル概要

このモデルはFacebookのwav2vec2音声認識アーキテクチャとウィキペディアテキストで訓練された5-gram言語モデルを組み合わせ、音声から文字への変換精度を向上させています。

モデル特徴

拡張言語モデル
ウィキペディア全文で訓練された5-gram KenLM言語モデルを使用し、認識精度を向上
大規模訓練
960時間の音声データと800万語以上のテキストデータに基づく訓練
最適化処理
ウィキペディアデータをクリーンアップし、参考文献、外部リンクなどの本文以外の内容を削除
効率的な枝刈り
言語モデル内の全ての3-gram以上の単一出現語を枝刈りし、モデル効率を維持

モデル能力

英語音声認識
長音声処理(チャンク処理対応)
高精度文字起こし

使用事例

音声文字起こし
会議議事録
会議録音を自動的に文字記録に変換
会議記録効率向上、後日の検索容易化
ポッドキャスト文字起こし
ポッドキャスト内容を文字版に変換
コンテンツインデックス化とSEO最適化に便利
支援技術
リアルタイム字幕生成
動画やライブ配信のリアルタイム字幕生成
コンテンツのアクセシビリティ向上
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