# リアルタイム文字起こし

openai/whisper-smallをベースにベトナム語音声データ向けにファインチューニングした自動音声認識モデルで、ベトナム語の文字起こし精度と頑健性を向上

Distil-WhisperはWhisperモデルの蒸留版で、自動音声認識(ASR)タスク向けに最適化され、より高速な推論を提供します。

Distil-Whisper large-v3.5を変換したCTranslate2フォーマットモデルで、効率的な音声認識に使用

Whisper large-v3-turboはWhisper large-v3を基にしたプルーニングと微調整バージョンで、デコード層数を32から4に削減し、速度が大幅に向上しましたが、品質はわずかに低下しています。

openai/whisper-baseモデルを100時間のベトナム語音声データでファインチューニングした音声認識モデルで、ベトナム語文字起こしの精度を向上

Distil-WhisperはWhisperモデルの蒸留版で、大規模な擬似ラベル技術により高効率な音声認識を実現

OpenAI Whisper-smallをファインチューニングしたシンハラ語音声認識モデル

MoonshineベースモデルのONNX形式自動音声認識モデル、効率的な推論をサポート

Moonshine Tinyは軽量な自動音声認識(ASR)モデルで、組み込みデバイスやエッジコンピューティングシナリオに適しています。

これは多言語蒸留版のWhisperモデルで、2つのデコーダー層を持ち、4つのヨーロッパ言語（英語、フランス語、スペイン語、ドイツ語）をサポートしています。

OpenAI Whisper-smallアーキテクチャを基にしたテルグ語自動音声認識モデル。ARTPARK-IIScチームによりインド言語向けに最適化

MoonshineはUseful Sensorsが開発した自動音声認識(ASR)モデルシリーズで、英語音声の文字起こしに特化しており、リソースが制限されたプラットフォームで優れた性能を発揮します。

月光モデルはUseful Sensorsによって開発された自動音声認識(ASR)モデルで、リソースが制限されたデバイス上で効率的な英語音声の文字起こしを実現することに焦点を当てています。

OpenAI Whisper TinyモデルをCommon Voice 11.0中国語データセットでファインチューニングした音声認識モデル

WhisperはOpenAIが訓練した汎用音声認識モデルです。大規模な弱教師あり学習に基づいており、複数言語の音声転写をサポートします。

WhisperはOpenAIが訓練した自動音声認識(ASR)システムで、多言語音声の文字起こしをサポートしています。

Whisper Large v3の蒸留版、効率的な自動音声認識(ASR)用

このモデルはGGML形式のdistil-whisper/distil-large-v3-ggmlからRatchetのカスタム形式に変換されたバージョンで、主に音声認識タスクに使用されます。

Distil-WhisperはWhisperモデルの蒸留版で、長文文字起こしに最適化されており、より高速な推論と高い単語誤り率(WER)性能を提供します。

Nue ASRはエンドツーエンドの日本語音声認識モデルで、事前学習された音声と言語モデルを統合し、認識精度が高く高速です。

OpenAI Whisperミニモデルに基づくCTranslate2変換バージョンで、効率的な音声認識に使用されます。

Whisper-large-v3はOpenAIがオープンソースで公開した自動音声認識(ASR)モデルで、複数の言語の音声を文字に変換するタスクに対応しています。

Distil-WhisperはWhisperモデルの蒸留バージョンで、オリジナルより6倍速く、サイズが49%縮小され、英語音声認識タスクでオリジナルに近い性能を維持しています。

このモデルはopenai/whisper-smallをファインチューニングした音声認識モデルで、複数の言語をサポートし、自動音声認識タスクに適しています。

OpenAI Whisper-smallを微調整したトルコ語音声認識モデル、単語誤り率26.34%

Whisper MediumはOpenAIが開発した中規模の音声認識モデルで、多言語の自動音声認識（ASR）タスクをサポートしています。

Whisper SmallはOpenAIが開発した小型の自動音声認識（ASR）モデルで、音声をテキストに変換できます。

WhisperはOpenAIが訓練した自動音声認識(ASR)システムで、多言語の音声テキスト変換タスクをサポートします。

Transformerアーキテクチャに基づく自動音声認識（ASR）モデルで、多言語の文字起こしに対応しています。

Whisper基礎モデルはOpenAIが開発した自動音声認識（ASR）モデルで、複数の言語の音声を文字に変換するタスクをサポートしています。

openai/whisper-mediumを微調整したアラビア語音声認識モデルで、ストリーミング処理に対応しています。

facebook/wav2vec2-base-960hをファインチューニングした音声認識モデルで、汎用音声認識タスクに適しています

facebook/wav2vec2-large-xlsr-53を微調整した日本語音声認識モデルで、平仮名出力に対応しています。

これはfacebook/wav2vec2 - xls - r - 300mをベースに、ウルドゥー語Common Voice 7データセットで微調整された自動音声認識モデルです。

このモデルは、facebook/wav2vec2-large-xlsr-53をベースに、COMMON_VOICE - SV-SEデータセットで微調整されたスウェーデン語自動音声認識モデルです。

Doogie/Waynehills-STT-doogie-serverをファインチューニングした音声認識モデル

Distil-wav2vec2はwav2vec2モデルの蒸留バージョンで、サイズが45%縮小され、推論速度が2倍に向上し、自動音声認識タスクに適しています。