Wav2vec2 Base 960h
Facebookのwav2vec2-base-960hモデルをONNX形式に変換したバージョンで、Transformers.js向けに設計されており、ブラウザ上での音声認識をサポート
ダウンロード数 117
リリース時間 : 7/26/2023
モデル概要
このモデルは自動音声認識(ASR)モデルで、音声入力をテキスト出力に変換し、英語音声の書き起こしタスクに適しています
モデル特徴
ブラウザ互換性
ONNX形式により、サーバー側の処理なしでブラウザ環境で直接実行可能
軽量
基本バージョンのモデルはリソースが限られた環境での展開に適しています
高精度
960時間の英語音声データでトレーニングされており、良好な認識精度を備えています
モデル能力
英語音声認識
リアルタイム音声書き起こし
ブラウザ上での音声処理
使用事例
音声書き起こし
会議議録の自動化
会議の録音を自動的に文字記録に変換
書き起こしの精度例は90%以上に達する
音声制御アプリケーション
Webアプリケーションに音声制御機能を追加
支援ツール
リアルタイム字幕生成
動画やライブコンテンツのためのリアルタイム字幕を生成
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