# 低エラー率

ポルトガル語テキストに最適化された光学文字認識(OCR)モデル、Microsoft TrOCRベースモデルをファインチューニング

Qaari 0.1 ウルドゥー語は、ウルドゥー語テキストの光学文字認識（OCR）に特化して最適化されたモデルで、Qwen/Qwen2-VL-2Bをベースに微調整され、ウルドゥー語OCR能力が著しく向上しています。

Qwen2 VLモデルをファインチューニングしたアラビア語OCRモデル、全ページアラビア語テキスト認識に最適化

FireRedASRは、標準中国語、中国の方言、英語をサポートするオープンソースの産業用自動音声認識（ASR）モデルシリーズで、公開されている標準中国語ASRベンチマークテストにおいて新たな最先端（SOTA）を達成し、優れた歌詞認識能力も備えています。

LLaMA3 Youkoのqlora微調整版で、日本語ビジュアルノベル英訳に最適化された8Bパラメータモデル

LLaMA 3 Youkoのqlora微調整バージョンに基づき、日本語ビジュアルノベルの英訳タスクに特化

Reverb話者分離V2はpyannote-audioベースの話者分離モデルで、ベンチマークpyannote3.0モデルと比較して複数のテストセットで優れた性能を発揮します。

microsoft/trocr-base-printedを基に微調整した印刷体ナンバープレートOCRモデルで、評価セットでの文字エラー率は0.037

バイトレベルの微調整モデルに基づくアラビア語の精密な発音記号システムで、事前訓練モデルの微調整によりアラビア語テキストの発音記号を自動補完します。

マイクロソフトのWavLM-baseをファインチューニングしたディープフェイク音声検出モデルで、ASVspoof 2019データセットで優れた性能を発揮し、精度は99.79%に達します

HuBERTアーキテクチャに基づく音声分類モデルで、ディープフェイク音声や音声スプーフィングの検出に特化

whisper-large-v3を微調整して最適化した中国語音声認識モデルで、複数の中国語音声ベンチマークテストで性能が大幅に向上

Transformerアーキテクチャに基づく印刷体スペイン語OCRモデルで、印刷フォントに最適化されており、手書き文字認識はサポートしていません

microsoft/trocr-base-printedをファインチューニングしたOCRモデルで、印刷体のナンバープレート認識に特化しています。

このモデルはRansaka/sinhala-ocr-modelをファインチューニングしたシンハラ語OCRモデルで、主にシンハラ語テキストの認識に使用されます。

ResNet293アーキテクチャに基づく話者埋め込みモデルで、大マージンファインチューニング最適化を経ており、話者認識、類似度計算、音声分割などのタスクをサポート

Whisper Large v3を基にしたドイツ語音声認識のファインチューニングモデルで、ドイツ語音声処理と認識に最適化されています

マイクロソフトのtrocr-base-printedモデルをファインチューニングしたCAPTCHA認識モデルで、印刷体テキストのOCRタスク専用に設計されています

このモデルは、Common Voice、JVS、JSUTデータセットを使用してopenai/whisper-baseを日本語向けにファインチューニングしたもので、日本語音声認識タスクに適しています。

ArOCRはアラビア語の光学文字認識(OCR)モデルで、アラビア語テキストを含む画像を編集可能なテキスト形式に変換できます。

このモデルは手書き数学式の画像を対応するLaTeXシーケンスに変換でき、数式認識とデジタル処理に適しています。

これはfacebook/wav2vec2-large-xlsr-53モデルを基に、日本語音声認識タスク向けにファインチューニングした自動音声認識(ASR)モデルです。

XLS-Rアーキテクチャに基づく音声分類モデルで、成人と児童の音声を区別します。