Wav2vec2 Large Xlsr 53 Demo Colab
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
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