Wavlm Base En
microsoft/wavlm-baseをファインチューニングした英語自動音声認識(ASR)モデルで、english_ASR - CLEANデータセットでトレーニングされ、単語誤り率(WER)は0.0773です。
ダウンロード数 17
リリース時間 : 3/2/2022
モデル概要
このモデルは英語音声認識タスクに最適化されたWavLMベースモデルで、高精度な英語音声から文字への変換アプリケーションに適しています。
モデル特徴
低単語誤り率
評価セットで0.0773の単語誤り率(WER)を達成し、優れた性能を発揮
WavLMアーキテクチャベース
マイクロソフトのWavLM-baseモデルをファインチューニングしており、その強力な音声表現能力を継承
最適化トレーニング
注意深く調整されたトレーニングパラメータと線形学習率スケジューリング戦略を採用
モデル能力
英語音声認識
高精度音声テキスト変換
使用事例
音声文字起こし
会議議事録
英語会議録音を自動的に文字記録に変換
高精度な文字起こし結果
字幕生成
英語動画コンテンツに自動的に字幕を生成
音声アシスタント
音声コマンド認識
英語音声コマンドを認識・理解
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