# Conformerアーキテクチャ

これはSpeechBrainフレームワークでトレーニングされたエンドツーエンドの自動音声認識システムで、Conformerアーキテクチャを使用して25,000時間の英語音声データでトレーニングされています。

IndicConformerは、混合CTC-RNNTアーキテクチャに基づくConformer自動音声認識モデルで、ウルドゥー語音声の書き起こしに特化しています。

IndicConformerは、混合CTC-RNNTアーキテクチャに基づくConformer自動音声認識モデルで、ネパール語に特化して最適化されています

IndicConformerは、混合CTC-RNNTアーキテクチャに基づくConformer自動音声認識(ASR)モデルで、ヒンディー語音声の文字起こしをサポートします。

Conformerアーキテクチャに基づく音声エンコーダーで、450万時間のラベルなし音声データで事前学習され、143以上の言語をサポート

FastSpeech2ConformerとHiFi-GANを統合したテキスト音声合成モデルで、効率的で高品質な音声合成を提供

FastSpeech2Conformerは非自己回帰型のテキスト音声合成(TTS)モデルで、FastSpeech2とConformerアーキテクチャの利点を組み合わせ、テキストから高品質な音声を迅速かつ効率的に生成できます。

これはルワンダ語の音声認識に使用されるConformer-Transducerの大型モデルで、音声を小文字のラテン文字に文字起こしでき、空白とアポストロフィをサポートします。

これはフランス語自動音声認識のための大規模なConformer-トランスデューサーモデルで、約1.2億のパラメータを持ち、1500時間以上のフランス語音声データでトレーニングされています。

これは標準中国語音声を転写するための大規模なConformer-Transducerモデルで、約1.2億のパラメータを持ち、AISHELL-2データセットでトレーニングされました。

これはConformerアーキテクチャに基づくフランス語自動音声認識(ASR)の大規模モデルで、CTC損失関数を使用し、1500時間以上のフランス語音声データでトレーニングされています。

これはドイツ語の自動音声認識用の大規模なConformer-Transducerモデルで、約1.2億のパラメータを持ち、ドイツ語音声をテキストに変換します。

これはNVIDIAが開発した自動音声認識(ASR)モデルで、Conformer-Transducerアーキテクチャに基づき、約6億のパラメータを持ち、英語音声の転写専用に設計されています。

これはConformer-Transducerアーキテクチャに基づく大規模な韓国語自動音声認識モデルで、Ksponspeechデータセットでトレーニングされ、韓国語音声の文字起こしタスクに適しています。

Librispeech 100時間の音声データでファインチューニングされたWav2Vec2 Conformerモデルで、回転位置埋め込み技術を採用

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

ESPnetフレームワークでトレーニングされた自動音声認識(ASR)モデルで、ConformerアーキテクチャとWavLM大型事前学習モデルを使用し、LibriSpeechデータセットでトレーニングされました。

これはESPnet2に基づくテキスト音声変換(TTS)モデルで、LJSpeechデータセットを使用して訓練され、Conformer、FastSpeech2、HiFi - GANアーキテクチャを組み合わせています。

ESPnetフレームワークに基づいて訓練されたテキスト音声変換モデルで、VCTKデータセットを使用し、多話者音声合成をサポートします。