AIbase
JA
ホーム
Exp W2v2t Ja Xlsr 53 S109
E

Exp W2v2t Ja Xlsr 53 S109

jonatasgrosmanによって開発
facebook/wav2vec2-large-xlsr-53モデルをファインチューニングした日本語自動音声認識モデル、Common Voice 7.0日本語データセットで学習
音声認識
Transformers
 日本語オープンソースライセンス:Apache-2.0#日本語音声認識#XLSR-53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 20
リリース時間 : 7/8/2022

モデル概要

このモデルは日本語に最適化された自動音声認識(ASR)モデルで、日本語音声をテキストに変換できます。XLSR-53アーキテクチャに基づき、16kHzサンプリングレートの音声入力に対応しています。

モデル特徴

日本語最適化
日本語音声認識に特化してファインチューニングされており、日本語音声からテキストへの変換タスクで良好な性能を発揮
XLSR-53ベース
強力なwav2vec2-large-xlsr-53アーキテクチャを基盤としており、優れた音声特徴抽出能力を有する
16kHz対応
16kHzサンプリングレートの音声入力をサポートし、ほとんどの音声アプリケーションシナリオに適用可能

モデル能力

日本語音声認識
音声からテキストへの変換
自動音声転写

使用事例

音声転写
日本語会議議事録
日本語会議録音を自動的に文字記録に変換
議事録作成効率を向上させ、後続の検索や分析を容易にする
日本語字幕生成
日本語動画コンテンツに自動的に字幕を生成
字幕制作コストを削減し、動画のアクセシビリティを向上
音声アシスタント
日本語音声コマンド認識
日本語音声アシスタントのコマンド認識システムに使用
日本語音声インタラクション体験を向上
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