AIbase
JA
ホーム
Psst Fairseq Larger Rir
P

Psst Fairseq Larger Rir

birgermoellによって開発
このモデルはWav2vec 2.0アーキテクチャに基づく自動音声認識(ASR)モデルで、ルームインパルス応答(RIR)で強化されたTIMITデータセットのサブセットを使用して微調整されています。
音声認識
Transformers
 英語オープンソースライセンス:Apache-2.0#ルームインパルス応答の強化#音素レベルの認識#低フレームエラーレート
ダウンロード数 30
リリース時間 : 4/15/2022

モデル概要

音素認識タスクに最適化された音声認識モデルで、騒がしい環境での音声処理に適しています

モデル特徴

RIR強化トレーニングデータ
ルームインパルス応答で強化されたTIMITデータセットを使用し、実環境でのモデルのロバスト性を向上させています
Wav2vec 2.0ベース
強力なWav2vec 2.0アーキテクチャに基づいて微調整されており、優れた音声特徴抽出能力を継承しています
音素レベル認識
音素レベルの音声認識タスクに特化しており、詳細な音声分析が必要なアプリケーションシナリオに適しています

モデル能力

英語音声認識
音素レベル分析
騒がしい環境での音声処理

使用事例

音声技術研究
音素認識ベンチマークテスト
音素認識タスクのベンチマークモデルとして比較研究に使用できます
PER: 21.0%, FER: 9.2%
音声強化アプリケーション
騒がしい環境での音声認識
会議室や公共の場など、反響やノイズがある環境での音声認識に適しています
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