Wavlm Libri Clean 100h Base
microsoft/wavlm-baseをLIBRISPEECH_ASR - CLEANデータセットでファインチューニングした自動音声認識モデル
ダウンロード数 6,515
リリース時間 : 3/2/2022
モデル概要
このモデルは英語音声認識タスク向けに最適化されたWavLMベースバージョンで、100時間のクリーン音声データでファインチューニングされており、低い単語誤り率を実現しています。
モデル特徴
効率的なファインチューニング
100時間のクリーン音声データでファインチューニングを行い、ベースモデルの認識精度を大幅に向上させました
低い単語誤り率
評価データセットで0.0675の単語誤り率(WER)を達成し、優れた性能を示しています
マルチGPUトレーニング
8つのGPUを使用した分散トレーニングにより、トレーニング効率を向上させました
モデル能力
英語音声認識
連続音声テキスト変換
高精度文字起こし
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93.25%の精度(WER 0.0675に基づく計算)
ポッドキャストコンテンツインデックス
オーディオポッドキャスト番組の検索可能なテキストコンテンツを生成
支援技術
リアルタイム字幕生成
動画やライブコンテンツにリアルタイムで字幕を提供
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