Wav2vec2 Base Checkpoint 10
wav2vec2-base-checkpoint-9をベースにcommon_voiceデータセットで微調整した音声認識モデルで、評価セットでの単語誤り率は0.3292
ダウンロード数 16
リリース時間 : 3/2/2022
モデル概要
これは音声認識モデルで、wav2vec2アーキテクチャをベースにcommon_voiceデータセットで微調整されており、音声をテキストに変換できます。
モデル特徴
低単語誤り率
評価セットで0.3292の単語誤り率を達成し、良好な性能を示しています
wav2vec2アーキテクチャベース
wav2vec2-baseアーキテクチャを採用しており、優れた音声特徴抽出能力を持っています
微調整最適化
common_voiceデータセットで30ラウンドの微調整トレーニングを実施しました
モデル能力
音声からテキストへの変換
自動音声認識
使用事例
音声文字起こし
音声転写
音声内容を文字記録に変換します
単語誤り率0.3292
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します
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