W

Wavlm Base En

anjulRajendraSharmaによって開発
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
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