Wav2vec2 Base Timit Demo Colab
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
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