W

Wav2vec2 Xls R 300m Japanese

AndrewMcDowellによって開発
これはfacebook/wav2vec2 - xls - r - 300mをベースに、日本語Common Voice 8.0データセットで微調整された自動音声認識(ASR)モデルで、日本語の音声を文字に変換する機能をサポートしています。
ダウンロード数 24
リリース時間 : 3/2/2022

モデル概要

このモデルは日本語音声認識タスクに特化して最適化されており、日本語の音声を平仮名と片仮名のテキストに変換することができます。日本語の表記特性上、モデル評価では主に文字誤り率(CER)が使用され、単語誤り率(WER)ではなくなっています。

モデル特徴

日本語専用最適化
日本語の音声特性に特化して訓練と最適化が行われ、平仮名と片仮名の出力をサポートします
漢字を仮名に変換する処理
pykakasiライブラリを使用して漢字を平仮名に変換し、認識タスクを簡素化します
大規模事前学習の基礎
facebookのwav2vec2 - xls - r - 300mモデルを微調整しており、強力な音声特徴抽出能力を備えています

モデル能力

日本語音声認識
音声をテキストに変換
連続音声処理

使用事例

音声文字起こし
日本語音声の文字起こし
日本語の音声内容をテキスト形式に変換します
Common Voice 8.0テストセットで23.64%のCERを達成しました
音声アシスタント
日本語音声指令の認識
日本語の音声コマンドを認識し理解します
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