AIbase
JA
ホーム
Wav2vec2 Large Xls R 300m Ur
W

Wav2vec2 Large Xls R 300m Ur

anuragshasによって開発
wav2vec2-large-xls-r-300mアーキテクチャに基づくウルドゥー語音声認識モデル、common_voiceデータセットでファインチューニング済み
音声認識
Transformers
オープンソースライセンス:Apache-2.0#ウルドゥー語音声認識#大規模モデルのファインチューニング#低リソース言語
ダウンロード数 20
リリース時間 : 3/2/2022

モデル概要

このモデルはウルドゥー語に最適化された自動音声認識(ASR)システムで、Facebookのwav2vec2アーキテクチャを基に、Common Voice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

大規模事前学習
3億パラメータのwav2vec2-large-xls-rアーキテクチャを基に、強力な音声特徴抽出能力を有する
ウルドゥー語最適化
ウルドゥー語に特化してファインチューニングされ、特定言語の音声特徴に適応
オープンソースライセンス
Apache 2.0ライセンスを採用し、商業利用や研究利用が可能

モデル能力

ウルドゥー語音声からテキストへの変換
連続音声認識
音声活動検出

使用事例

音声書き起こし
ウルドゥー語メディアコンテンツの書き起こし
ウルドゥー語のポッドキャスト、動画などを自動的にテキストに変換
評価セットで0.7328の単語誤り率を達成
支援技術
音声制御アプリケーション
ウルドゥー語ユーザー向けの音声制御インターフェースを開発
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
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
English简体中文繁體中文にほんご
© 2025AIbase