# Wav2Vec2アーキテクチャ

Wav2Vec2アーキテクチャに基づくヒンディー語自動音声認識モデル、AI4Bharatによって開発

Wav2Vec2アーキテクチャに基づくヒンディー語自動音声認識(ASR)モデル、AI4Bharatによって開発

facebook/wav2vec2-base-960hを微調整した音声分類モデルで、具体的な用途とトレーニングデータは明記されていません。

このモデルはFacebookの大規模多言語音声プロジェクトの一部で、Wav2Vec2アーキテクチャに基づいており、1024言語の音声入力を識別できます。

これは512言語の音声言語識別(LID)向けにファインチューニングされたモデルで、Wav2Vec2アーキテクチャに基づき、入力音声の言語カテゴリを識別できます。

これはWav2Vec2アーキテクチャに基づく音声言語識別モデルで、256言語を識別可能であり、Facebookの大規模多言語音声(MMS)プロジェクトの一部です。

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音声分類モデルで、プエルトリコ、コロンビア、ベネズエラ、ペルー、チリのスペイン語アクセントを識別

facebook/wav2vec2-large-fr-voxpopuliモデルをファインチューニングしたイタリア語自動音声認識モデル、Common Voice 7.0イタリア語データセットでトレーニング

facebook/wav2vec2-large-100k-voxpopuliモデルを基にファインチューニングしたイタリア語自動音声認識モデルで、Common Voice 7.0イタリア語データセットでトレーニングされています。

Wav2Vec 2.0アーキテクチャに基づくギリシャ語音声感情認識モデルで、怒り、嫌悪、恐怖、幸福、悲しみの5つの感情を識別できます。

Ksponspeechデータセットでファインチューニングされた韓国語音声認識モデルで、Wav2vec2-large-xlsr-53を基に最適化

このモデルは、facebook/wav2vec2-xls-r-300mをcommon_voiceデータセットでファインチューニングしたアラビア語音声認識モデルで、評価セットで0.5078の単語誤り率を達成しました。

これはXLSR Wav2Vec2アーキテクチャに基づくインドネシア語自動音声認識モデルで、公共音声インドネシア語データセットでファインチューニングされています。

1万時間のWenetSpeech Lサブセットで事前学習された中国語音声モデル、音声関連タスクに適応

facebook/wav2vec2-baseをファインチューニングした音声認識モデルで、自動音声テキスト変換タスクをサポートします。

facebook/wav2vec2-baseをファインチューニングした音声認識モデルで、評価セットでの単語誤り率(WER)は1.0

これはXLS-R Wav2Vec2アーキテクチャに基づくロシア語音声感情認識モデルで、7つの基本感情を72%の精度で識別可能です。

facebook/wav2vec2-baseを微調整した音声認識モデルで、単語誤り率(WER)は1.0

このモデルは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、評価セットでの単語誤り率(WER)は1.0です。

このモデルはjonatasgrosman/wav2vec2-large-xlsr-53-englishをベースにフィリピン語音声データセットでファインチューニングしたバージョンで、英語からフィリピン語への音声認識タスクに主に使用されます。

facebook/wav2vec2-baseモデルをTIMIT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

このモデルはfacebook/wav2vec2-baseをファインチューニングした音声認識モデルで、TIMITデータセットでトレーニングと評価が行われました。

このモデルはfacebook/wav2vec2-baseをファインチューニングした音声認識モデルで、TIMITデータセットで60エポック訓練され、単語誤り率(WER)が1.0を達成しました。

このモデルはfacebook/wav2vec2-baseをファインチューニングした音声認識モデルで、TIMITデータセットで訓練され、単語誤り率(WER)は0.5426です。

facebook/wav2vec2-baseモデルをTIMIT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で、主に英語音声からテキストへの変換タスクに使用されます。

このモデルはfacebook/wav2vec2-baseをファインチューニングした音声認識モデルで、TIMITデータセットで訓練され、評価単語誤り率は0.5608です。

このモデルはfacebook/wav2vec2-baseを微調整した音声認識モデルで、評価セットで0.5664の単語誤り率(WER)を達成しました。

このモデルはfacebook/wav2vec2-baseをファインチューニングした音声認識モデルで、TIMITデータセットで訓練され、単語誤り率(WER)は0.5282です。

このモデルはfacebook/wav2vec2-baseをファインチューニングした音声認識モデルで、TIMITデータセットで訓練され、単語誤り率(WER)は1.0です。

facebook/wav2vec2-large-xlsr-53をファインチューニングした音声認識モデルで、Bemba語をサポート

facebook/wav2vec2-baseをファインチューニングした音声認識モデルで、評価セットで31.38%の単語誤り率を達成

このモデルはfacebook/wav2vec2-baseをTIMIT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で、主に英語音声からテキストへの変換タスクに使用されます。

Harveenchadha/vakyansh-wav2vec2-tamil-tam-250をベースにcommon_voiceデータセットで微調整したタミル語音声認識モデル

facebook/wav2vec2-baseモデルを未知の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、単語誤り率(WER)は0.7175

facebook/wav2vec2-baseを微調整した音声認識モデルで、10ms音声マスキングタスクでトレーニング

これはWav2Vec2アーキテクチャに基づくマラーティー語（Marathi）音声認識モデルで、音声を直接テキストに変換できます。

Wav2Vec2アーキテクチャに基づくサンスクリット音声認識モデルで、サンスクリット音声をテキストに変換できます

wav2vec2アーキテクチャに基づくウルドゥー語自動音声認識モデル、Common Voiceデータセットでファインチューニング

これはfacebook/wav2vec2-xls-r-300mをブルトン語データセットで微調整した自動音声認識モデルです