# ノイズ耐性

OpenAI Whisper Large V3 Turboをベースにファインチューニングしたモデルで、航空交通管制（ATC）通信の文字起こしに特化して最適化されています。

AV-HuBERTは視聴音声認識モデルで、MuAViC多言語視聴コーパスで訓練され、音声と視覚モダリティを組み合わせて頑健な性能を実現します。

AudioXはJivi AIが開発した多言語自動音声認識モデルで、特にインド南部の言語に最適化されており、タミル語、テルグ語、カンナダ語、マラヤーラム語をサポートしています。

Llama-3アーキテクチャに基づくマルチモーダル言語モデルで、音声とテキストの入力を理解し、ノイズ耐性とマルチターン対話能力を備えています

OpenAI Whisper-smallを基にイタリア語向けに最適化した音声認識モデルで、特殊マーカーによるメタ情報捕捉能力を強化

このモデルはfacebook/wav2vec2-xls-r-300mをATCOSIMコーパスでファインチューニングしたバージョンで、航空交通管制通信の自動音声認識タスク専用に設計されています。

facebook/wav2vec2-baseモデルをランダムノイズ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

ByT5はGoogleのT5のトークナイザーフリーバージョンで、UTF-8バイトシーケンスを直接処理し、多言語テキスト処理をサポートし、ノイズデータに対して頑健性を持ちます。

ByT5はGoogleのT5のトークナイザーフリーバージョンで、生のUTF-8バイトを直接処理し、多言語テキスト処理をサポートし、ノイズデータに対して優れた性能を発揮します。