# wav2vec2アーキテクチャ

rinna株式会社によってトレーニングされた日本語wav2vec 2.0ベースモデル、ReazonSpeechデータセットに基づいてトレーニング

このモデルはfacebook/wav2vec2-baseを未知の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、主に音声認識タスクに使用され、評価セットで84.55%の精度を達成しています。

Librispeech-clean-100データセットで微調整された性別認識モデルで、テストセットでF1スコア0.9993を達成

facebook/wav2vec2-baseをasvspoof2019データセットでファインチューニングした音声偽造検出モデル

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。13,000時間の未ラベルYouTube音声で事前学習され、250時間のラベル付きデータで微調整されています。

このモデルはfacebook/wav2vec2-conformer-rel-pos-large-960h-ftをファインチューニングした音声意図分類モデルで、評価セットで58.33%の精度を達成しました。

facebook/wav2vec2-baseモデルをベースに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87.27%の精度を達成しました。

facebook/wav2vec2-large-robustモデルをファインチューニングしたスウェーデン語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。

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

facebook/wav2vec2-large-lv60モデルをファインチューニングしたタイ語音声認識モデル、Common Voice 7.0データセットでトレーニング

facebook/wav2vec2-base-960hをファインチューニングした音声認識モデル

facebook/wav2vec2-base-960hをベースに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は1.0

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、評価セットで0.4949の単語誤り率を達成しました。

facebook/wav2vec2-baseモデル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されています

これはwav2vec2アーキテクチャに基づくウルドゥー語自動音声認識(ASR)モデルで、ゼロからトレーニングされています。

このモデルはfacebook/wav2vec2-baseをベースにファインチューニングされた音声認識モデルで、TIMITデータセットで0.6704の単語誤り率を達成しました。

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

Common Voiceデータセットでトレーニングされたリトアニア語自動音声認識モデルで、wav2vec2アーキテクチャとfairseqフレームワークを使用しています。

facebook/wav2vec2-baseを空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、ランダムハイパスフィルタ技術を使用してトレーニングデータを処理しました

自己教師付き学習に基づく音声事前学習モデルで、23種類のインド語の生の音声から多言語音声表現を学習できます。