AIbase
JA
ホーム
Wav2vec2 Xls R 300m Kk N2
W

Wav2vec2 Xls R 300m Kk N2

DrishtiSharmaによって開発
これはfacebook/wav2vec2-xls-r-300mモデルをカザフ語(KK)音声データセットでファインチューニングした自動音声認識(ASR)モデルです。
音声認識
Transformers
 その他オープンソースライセンス:Apache-2.0#カザフ語音声認識#多方言ロバスト性#低CER性能
ダウンロード数 15
リリース時間 : 3/2/2022

モデル概要

このモデルはカザフ語の音声認識タスクに特化しており、Common Voice 8データセットでファインチューニングされ、カザフ語の音声をテキストに変換することができます。

モデル特徴

カザフ語最適化
カザフ語の音声認識に特化してファインチューニングと最適化が行われました
大規模事前学習モデルに基づく
facebookのwav2vec2-xls-r-300mモデルを基にファインチューニングされ、その強力な音声特徴抽出能力を引き継いでいます
中規模モデル
3億パラメータの規模で、精度と計算効率のバランスが良いです

モデル能力

カザフ語音声認識
音声からテキストへの変換
自動音声認識

使用事例

音声文字起こし
カザフ語音声文字起こし
カザフ語の音声内容をテキスト形式に変換する
Common Voice 8テストセットでのWERは0.4355です
音声アシスタント
カザフ語音声指令認識
カザフ語の音声アシスタントでの音声指令認識に使用する
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
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