W

Wav2vec2 Large Xlsr 53 Vietnamese

not-tanhによって開発
facebook/wav2vec2-large-xlsr-53モデルをベトナム語向けにファインチューニングした自動音声認識モデルで、16kHzサンプリングレートの音声入力をサポートします。
ダウンロード数 22
リリース時間 : 3/2/2022

モデル概要

このモデルはベトナム語に最適化された自動音声認識(ASR)モデルで、XLSR-53アーキテクチャを基に、Common Voice、VIVOS、FOSDデータセットでファインチューニングされています。

モデル特徴

複数データセットファインチューニング
Common Voice、VIVOS、FOSDの3つのベトナム語データセットを使用してファインチューニングされ、認識精度を向上させています
言語モデル不要
追加の言語モデルなしで直接使用可能
16kHzサンプリングレート対応
16kHzサンプリングレートの音声入力に最適化されています

モデル能力

ベトナム語音声認識
音声からテキストへの変換
音声書き起こし

使用事例

音声書き起こし
ベトナム語音声からテキストへ
ベトナム語の音声内容をテキストに変換
単語誤り率39.57%
音声アシスタント
ベトナム語音声コマンド認識
ベトナム語音声アシスタントシステムでのコマンド認識に使用
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