whisper-large-v3-ru-podlodkaオープンソースのロシア語音声認識モデル - 無料でデプロイし、高精度でロシア語音声を認識可能

Whisper Large V3 Ru Podlodka

bond005によって開発

これはWhisper Large V3をベースにしたロシア語音声認識モデルで、ロシア語音声に特化して最適化されています。

ダウンロード数 570

リリース時間 : 5/2/2024

モデル概要

このモデルは主にロシア語音声認識タスクに使用され、ロシア語音声をテキストに変換し、句読点や大文字小文字を含むテキスト出力をサポートします。

ロシア語最適化

ロシア語音声に特化して最適化されており、ロシア語音声認識の精度が向上しています。

ノイズ環境適応

騒がしい環境でも良好な認識性能を維持できます。

句読点サポート

句読点や大文字小文字を含むテキスト出力をサポートします。

ロシア語音声認識

ノイズ環境下での音声認識

句読点付きテキスト出力

音声から文字へ

会議議事録

会議中のロシア語音声をリアルタイムで文字記録に変換します。

高い精度を誇り、正式な場面での使用に適しています。

音声メモ

個人の音声メモを編集可能なテキストに変換します。

騒がしい環境でも良好な認識効果を維持できます。

メディアコンテンツ処理

動画字幕生成

ロシア語動画に自動的に字幕を生成します。

句読点付きテキスト出力をサポートし、字幕制作に直接使用できます。

サンプルタイトル	音声リンク
ニューラルネットワークは素晴らしい！	音声1
残念ながら、音声認識システムは常に安定しているわけではなく、特にノイズの多い環境ではそうです。	音声2
少年は劇場の近くをかなり頻繁に通っていた — 白い、生クリームを盛り付けた、ケーキのような建物。	音声3

タスク	データセット	評価指標	値
音声認識	Podlodka.io (bond005/podlodka_speech, ru)	WER (with punctuation and capital letters)	20.910
音声認識	Podlodka.io (bond005/podlodka_speech, ru)	WER (without punctuation)	10.987
音声認識	Russian Librispeech (bond005/rulibrispeech, ru)	WER (without punctuation)	9.795