exp_w2v2t_zh-cn_wavlm_s596オープンソース中国語音声認識モデル

ホーム

Exp W2v2t Zh Cn Wavlm S596

jonatasgrosmanによって開発

microsoft/wavlm-largeモデルを基にファインチューニングした中国語音声認識モデルで、簡体字中国語をサポートし、Common Voice 7.0 (zh-CN)データセットでトレーニングされています。

音声認識

Transformers

オープンソースライセンス:Apache-2.0 #中国語音声認識 #WavLMファインチューニング #16kHzサンプリングレート

ダウンロード数 22

リリース時間 : 7/10/2022

モデル概要

このモデルは中国語簡体字音声認識タスク向けに最適化されたモデルで、WavLM-largeアーキテクチャを基にファインチューニングされており、16kHzサンプリングレートの音声入力に適しています。

モデル特徴

WavLM-largeアーキテクチャ採用

マイクロソフトのWavLM-large事前学習モデルを基盤としており、強力な音声特徴抽出能力を備えています。

中国語音声認識最適化

中国語簡体字音声に特化してファインチューニングされており、中国語音声認識タスクで優れた性能を発揮します。

16kHzサンプリングレート対応

一般的な16kHzサンプリングレートの音声入力に対応しており、実際のアプリケーション展開が容易です。

モデル能力

中国語音声認識

音声テキスト変換

使用事例

音声文字起こし

会議議事録の文字起こし

中国語会議録音を自動的に文字記録に変換

音声入力メソッド

音声入力をテキストに変換する機能をサポート

アクセシビリティアプリケーション

リアルタイム字幕生成

動画コンテンツやリアルタイム会話に対して中国語字幕を生成

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

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。

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

uer

2,694

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

Exp W2v2t Zh Cn Wavlm S596

モデル概要

モデル特徴

モデル能力

使用事例

🚀 exp_w2v2t_zh-cn_wavlm_s596

🚀 クイックスタート

📄 ライセンス