W

Wav2vec2 Large Xlsr Hindi

skylordによって開発
facebook/wav2vec2-large-xlsr-53をベースに微調整されたヒンディー語音声認識モデルで、16kHzサンプリングレートの音声入力に対応しています。
ダウンロード数 82
リリース時間 : 3/2/2022

モデル概要

このモデルはヒンディー語用に最適化された自動音声認識(ASR)システムで、複数のヒンディー語データセットを使って微調整され、音声をテキストに変換するタスクに直接使用できます。

モデル特徴

複数データセットの微調整
一般音声、インド語TTS、IIITH音声ライブラリの3つのヒンディー語データセットを使って訓練されています。
言語モデル不要
追加の言語モデルのサポートなしで直接使用できます。
データ分布の均衡化
訓練データは性別とアクセントに関して均衡して分布しています(一般音声データセットは男性の声に偏っている場合を除く)。

モデル能力

ヒンディー語音声認識
16kHzサンプリングレートの音声処理
エンドツーエンドの音声からテキストへの変換

使用事例

音声文字起こし
ヒンディー語音声をテキストに変換
ヒンディー語の音声内容をテキストに変換します。
カスタムデータセットで17.23%のWERを達成しました。
音声アシスタント
ヒンディー語音声指令の認識
ヒンディー語音声アシスタントシステムの音声指令理解に使用されます。
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