Wav2vec2 Xls R Tf Left Right Shuru
facebook/wav2vec2-xls-r-300mをベースに微調整された音声認識モデルで、評価セットで1.2628の単語誤り率(WER)を達成しました。
ダウンロード数 29
リリース時間 : 3/2/2022
モデル概要
これはwav2vec2-xls-r-300mアーキテクチャをベースに微調整された音声認識モデルで、音声をテキストに変換するタスクに適しています。
モデル特徴
低単語誤り率
評価セットで1.2628の単語誤り率(WER)を達成し、優れた性能を示しました。
wav2vec2-xls-rアーキテクチャをベースに
facebookのwav2vec2-xls-r-300mをベースモデルとして採用し、強力な音声特徴抽出能力を持っています。
混合精度トレーニング
ネイティブAMPを使用して混合精度トレーニングを行い、トレーニング効率を向上させます。
モデル能力
音声認識
音声をテキストに変換
使用事例
音声文字起こし
会議記録
会議の録音を自動的に文字記録に変換します
単語誤り率1.2628
音声メモ
音声メモを編集可能なテキストに変換します
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