Wav2vec2 Large 960h Lv60 Self 4 Gram
FacebookのWav2Vec2-Large-960h-lv60-selfモデルを基に、英語4-gram言語モデルを追加して音声認識精度を向上
ダウンロード数 22
リリース時間 : 4/12/2022
モデル概要
これは自動音声認識(ASR)モデルで、英語音声からテキストへの変換タスク専用です。4-gram言語モデルを統合することで認識精度が大幅に向上しています。
モデル特徴
4-gram言語モデル統合
Librispeech公式の4-gram言語モデルを統合し、音声認識精度を大幅に向上
高性能認識
LibriSpeechテストセットで1.84(clean)と3.71(other)の単語誤り率(WER)を達成
Wav2Vec2アーキテクチャ採用
Facebookの先進的なWav2Vec2-Large-960h-lv60-selfアーキテクチャを採用
モデル能力
英語音声認識
高精度音声テキスト変換
16kHzサンプリングレート音声処理
使用事例
音声書き起こし
オーディオブック書き起こし
英語オーディオブックの内容を自動でテキストに変換
LibriSpeechテストセットで単語誤り率わずか1.84(clean)
会議議事録
英語会議の内容を自動記録し文字起こし
非標準音声(other)テストセットで単語誤り率3.71
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