W

Wav2vec2 Xls R 300m English

vitouphyによって開発
XLS-R-300Mはfacebook/wav2vec2-xls-r-300mをlibrispeech_asrデータセットでファインチューニングした英語自動音声認識モデルで、LibriSpeechテストセットで12.29%の単語誤り率を達成しました。
ダウンロード数 21
リリース時間 : 3/2/2022

モデル概要

このモデルは英語自動音声認識(ASR)モデルで、英語音声からテキストへの変換タスクに特化して最適化されています。

モデル特徴

複数データセットでの優れた性能
LibriSpeech、Common Voice、ロバスト音声イベントなど複数のデータセットで評価され、安定した性能を示しています。
効率的なトレーニング
勾配蓄積や混合精度トレーニングなどの技術を採用し、トレーニング効率を向上させています。
低単語誤り率
LibriSpeechクリーンテストセットで12.29%の単語誤り率を達成し、優れた性能を発揮しています。

モデル能力

英語音声認識
音声からテキストへの変換
長い音声処理

使用事例

音声文字起こし
オーディオブックの文字起こし
オーディオブックの内容をテキストに変換
LibriSpeechテストセットで単語誤り率12.29%
音声アシスタント
音声コマンド認識
ユーザーの音声コマンドを認識・理解
ロバスト音声イベントテストセットで単語誤り率38.8%
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