W

Wav2vec2 Large Xlsr 53 Demo Colab

emreによって開発
このモデルは、facebook/wav2vec2-large-xlsr-53をcommon_voiceデータセットで微調整した音声認識モデルで、主にロバスト音声イベント認識に使用されます。
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wav2vec2アーキテクチャに基づく音声認識モデルで、微調整後はcommon_voiceデータセットに適用でき、音声をテキストに変換できます。

モデル特徴

wav2vec2アーキテクチャに基づく
facebookのwav2vec2-large-xlsr-53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。
Common Voiceデータセットでの微調整
Common Voiceデータセットで微調整を行い、モデルのロバスト性と適応性を強化しました。
比較的低い単語誤り率
評価セットで0.4834の単語誤り率(WER)を達成し、良好な性能を示しました。

モデル能力

音声認識
音声をテキストに変換
ロバスト音声イベント検出

使用事例

音声書き起こし
音声転写
音声内容を自動的にテキスト形式に変換する
単語誤り率0.4834
音声アシスタント
音声指令認識
ユーザーの音声指令を認識し、実行可能なコマンドに変換する
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