W

Wav2vec2 Large 960h Lv60 Self 4 Gram

patrickvonplatenによって開発
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
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