Distil Wav2vec2
D
Distil Wav2vec2
OthmaneJによって開発
Distil-wav2vec2はwav2vec2モデルの蒸留バージョンで、サイズが45%縮小され、推論速度が2倍に向上し、自動音声認識タスクに適しています。
ダウンロード数 854
リリース時間 : 3/2/2022
モデル概要
このモデルはwav2vec2モデルの軽量化バージョンで、自動音声認識タスクに特化しており、蒸留技術によってより小さなモデルサイズとより速い推論速度を実現しています。
モデル特徴
軽量化
モデルサイズがオリジナルのwav2vec2ベースモデルより45%縮小され、リソースが限られた環境に適しています。
高効率推論
推論速度が2倍に向上し、CPUでの処理時間は0.4006秒、GPUでの処理時間は0.0046秒(バッチサイズ64の場合)です。
性能バランス
比較的低い単語誤り率を維持しながら、実行効率を大幅に向上させています。
モデル能力
英語音声認識
音声をテキストに変換
使用事例
音声文字起こし
会議記録
会議の録音を自動的にテキストに起こす
Librispeech-test-cleanでの単語誤り率は0.0983
音声アシスタント
軽量音声アシスタントの音声認識モジュールに使用
リソース制限のあるデバイスでの高速応答を実現
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