Wav2vec2 Xls R 300m English
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%
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