W

Wav2vec2 Base Timit Demo Colab

obokkkkによって開発
facebook/wav2vec2-baseをファインチューニングした音声認識モデルで、TIMITデータセットで訓練され、単語誤り率(WER)は0.3468です。
ダウンロード数 20
リリース時間 : 4/20/2022

モデル概要

これは英語音声認識のためのモデルで、wav2vec2アーキテクチャを基にファインチューニングされており、音声をテキストに変換するタスクに適しています。

モデル特徴

低い単語誤り率
評価セットで0.3468の単語誤り率(WER)を達成し、良好な性能を示しています。
wav2vec2アーキテクチャ採用
facebookのwav2vec2-baseモデルを基本アーキテクチャとして採用し、強力な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訓練
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に最適化されています。

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
英語の会議録音を自動的に文字記録に変換
約65.32%の精度 (1-WER)
音声メモ
英語の音声メモを検索可能なテキストに変換
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