W

Wav2vec2 Large Xlsr 53 Tw Gpt

voidfulによって開発
facebook/wav2vec2-large-xlsr-53を台湾華語(zh-tw)でファインチューニングした音声認識モデル、16kHzサンプリングレートの音声入力をサポート
ダウンロード数 47
リリース時間 : 3/2/2022

モデル概要

これは台湾華語に最適化された自動音声認識(ASR)モデルで、Facebookのwav2vec2-large-xlsr-53アーキテクチャを基にファインチューニングされ、Common Voice zh-TWデータセットでトレーニングされました

モデル特徴

台湾華語最適化
台湾華語の音声特性に特化してファインチューニング
言語モデル融合サポート
GPTやBERTなどの言語モデルと組み合わせて使用可能、認識精度向上
効率的な推論
Common VoiceテストセットでCER18.36%、推論速度が速い

モデル能力

台湾華語音声認識
16kHzサンプリングレート音声処理対応
言語モデルとの併用可能

使用事例

音声からテキストへ
台湾華語音声文字起こし
台湾華語の音声内容を文字に変換
CER 18.36% (GPT+ビームサーチ評価使用)
音声アシスタント
台湾地域音声コマンド認識
台湾華語の音声コマンドを認識するために使用
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