A

ASCEND Dataset Model

GleamEyeBeastによって開発
facebook/wav2vec2-xls-r-300mをファインチューニングした音声認識モデルで、ASCENDデータセットで学習
ダウンロード数 22
リリース時間 : 3/14/2022

モデル概要

このモデルは自動音声認識(ASR)タスク用のファインチューニングモデルで、音声をテキストに変換可能

モデル特徴

大規模事前学習モデルを基にファインチューニング
facebook/wav2vec2-xls-r-300m事前学習モデルを基にファインチューニングし、強力な音声特徴抽出能力を有する
最適化された認識性能
20エポックの学習後、検証セットで0.9540の単語誤り率(WER)を達成
効率的な学習設定
混合精度学習や勾配蓄積などの技術を採用し、学習効率を最適化

モデル能力

音声からテキストへの変換
自動音声認識
音声コンテンツの文字起こし

使用事例

音声文字起こし
会議議録の自動生成
会議録音を自動的に文字記録に変換
約95.4%の精度
音声コマンド認識
ユーザーの音声コマンドを認識し実行可能なコマンドに変換
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