# 16kHz音声処理

このモデルはfacebook/wav2vec2-large-xlsr-53をファインチューニングした音声感情検出モデルで、7種類の感情状態を識別可能

Facebookの大規模多言語音声プロジェクトを基にファインチューニングした言語識別モデルで、126言語の音声分類をサポート

wav2vec2アーキテクチャに基づくベトナム語自動音声認識モデル。1.3万時間の未ラベルYouTube音声で事前学習し、250時間のラベル付きデータでファインチューニング

Wav2Vec2は自己教師あり学習に基づく音声認識モデルで、LibriSpeechの960時間の音声データで事前学習と微調整が行われ、英語音声の書き起こしをサポートします。

相対位置埋め込み技術を採用したWav2Vec2-Conformer大型音声認識モデル、Librispeech 100時間音声データで微調整

このモデルはWav2Vec2アーキテクチャに基づく大規模音声認識モデルで、Libri-LightとLibrispeechの10分間データで事前学習と微調整が行われ、自己学習目標を使用してトレーニングされました。16kHzサンプリングレートの音声オーディオに適しています。

Data2Vec-Audio-Largeは16kHzサンプリング音声データで事前学習された大型モデルで、自己教師あり学習フレームワークを採用し、音声認識などのタスクに適しています。

UniSpeech-SAT基本モデルを基に、LibriSpeech音声データで100時間のファインチューニングを行った自動音声認識モデル

facebook/wav2vec2-xls-r-300mをファインチューニングしたルーマニア語音声認識モデルで、Common Voice 8.0とルーマニア語音声合成データセットで訓練され、HuggingFace Robust Speech Challengeでルーマニア語音声認識1位を獲得しました。

facebook/wav2vec2-large-xlsr-53をファインチューニングしたオディア語自動音声認識モデル、低リソースインド言語チャレンジデータで訓練

HuBERTは自己教師あり音声表現学習モデルで、BERTのような予測損失を通じて音声特徴を学習し、音声認識などのタスクに適しています。

Facebookのwav2vec2-large-xlsr-53モデルをベースに、Common Voiceドイツ語データセットで微調整された自動音声認識(ASR)モデル

FacebookのWav2Vec2大型モデルで、バルト語族のVoxPopuliコーパスのみを使って27.5時間の無ラベルデータで事前学習されました。

FacebookのWav2Vec2大型モデル、ロマンス語族のVoxPopuliコーパス101.5時間の未ラベルデータのみで事前学習され、音声認識タスクに適しています。

これはFacebookのWav2Vec2アーキテクチャに基づく音声モデルで、リトアニア語に特化して事前学習されており、VoxPopuliコーパスの14.4kの未ラベルデータを使用しています。

facebook/wav2vec2-large-xlsr-53をファインチューニングしたオランダ語音声認識モデルで、Common VoiceとCSS10データセットでトレーニングされ、16kHz音声入力に対応しています。

Wav2Vec2-Large アーキテクチャに基づく話者認識モデルで、VoxCeleb1 データセットでトレーニングされ、音声を話者IDごとに分類するために使用されます

VoxPopuliコーパスで事前学習されたWav2Vec2ベースモデル、チェコ語音声処理に特化

これはWav2Vec2アーキテクチャに基づく音声感情認識モデルで、S3PRLプロジェクトから移植され、音声中の感情カテゴリを識別します。

Wav2Vec2-base事前学習モデルを基に、VoxCeleb1データセットでファインチューニングされた話者認識モデルで、音声分類タスクに使用されます

FacebookのWav2Vec2大型モデル、マルタ語（mt）のみでVoxPopuliコーパスの未ラベルデータを使用して事前学習され、音声認識タスクに適しています。

Facebook Wav2Vec2アーキテクチャに基づくドイツ語音声事前学習モデルで、VoxPopuliコーパスの23.2kの未ラベルドイツ語データを使用して事前学習されています。

これはFacebookのWav2Vec2アーキテクチャに基づく音声モデルで、スロベニア語(sl)に特化して事前学習されており、VoxPopuliコーパスから11.3kの未ラベルデータを使用しています。

このモデルはWav2Vec2-baseをベースとした意図分類モデルで、音声命令の意図認識のために設計されており、音声断片を事前定義された意図カテゴリに分類できます。

XLSRアーキテクチャを基にファインチューニングしたインドネシア語自動音声認識(ASR)モデル、Common Voiceインドネシア語データセットでトレーニング

facebook/wav2vec2-large-xlsr-53モデルを基に、Common Voiceデータセットでバスク語にファインチューニングした音声認識モデルです。

これはfacebook/wav2vec2-large-xlsr-53モデルを基にジョージア語でファインチューニングした自動音声認識(ASR)モデルで、Common Voiceデータセットを使用してトレーニングされました。

Facebook Wav2Vec2アーキテクチャに基づく音声事前学習モデル、VoxPopuliコーパスのハンガリー語データで事前学習済み

FacebookのWav2Vec2大型モデルで、スラブ語系のVoxPopuliコーパスにおいて88.99999999999999時間の未ラベルデータ事前学習を行っています。

facebook/wav2vec2-large-xlsr-53モデルをファインチューニングしたハカチン語音声認識モデルで、汎用音声データセットでトレーニングされ、テストWERは31.38%です。

これはWav2Vec2-Largeモデルに基づく感情認識モデルで、音声から感情カテゴリーを識別するために特別に設計されています。

Hubertは自己監督学習に基づく音声表現モデルで、BERTに似た予測損失を通じて音声の音響と言語の連合表現を学習します。

Facebook Wav2Vec2アーキテクチャに基づく音声モデルで、スウェーデン語に特化して事前学習されており、VoxPopuliコーパスの16.3kの未ラベルデータを使用しています。

SEW-D-mid-k127はASAPP Researchが開発した高効率音声認識事前学習モデルで、性能と効率の面でwav2vec 2.0と比べて大幅な改善が見られます。

facebook/wav2vec2-large-xlsr-53モデルをベースにファインチューニングしたヒンディー語音声認識モデルで、OpenSLRとCommon Voiceのヒンディー語データセットを使用して訓練され、16kHzサンプリングレートの音声入力をサポートします。

VoxPopuliコーパスのスロバキア語データで事前学習されたWav2Vec2基本モデルで、音声認識タスクに適しています。

facebook/wav2vec2-large-xlsr-53を基にペルシア語（Farsi）でファインチューニングした自動音声認識モデルで、16kHzサンプリングレートの音声入力をサポートします。

Wav2Vec2-Large-LV60ベースの意図分類モデルで、SUPERB意図分類タスクでファインチューニングされ、音声コマンドの意図認識に使用されます

VoxPopuliコーパスの24.1kのラベルなし英語データで事前学習されたWav2Vec2基本モデルで、音声認識タスクに適しています。

SEW-D-midはASAPP Researchが開発した音声事前学習モデルで、自動音声認識タスクに焦点を当て、性能と効率の良いバランスを実現しています。