# リアルタイム音声処理

このモデルはFastConformerアーキテクチャに基づく日本語自動音声認識(ASR)モデルで、NVIDIAによって開発されMLXフォーマットに変換されました。

meta-llama/Llama-3.2-1B-Instructの重みを事前ロードした多言語テキスト変換モデル

これは冪集合エンコーディングに基づくスピーカーセグメンテーションモデルで、10秒の音声クリップを処理し、複数のスピーカーとそのオーバーラップ状況を識別できます。

pyannote/speaker-diarization-3.0をベースに改良した話者分割モデル。speechbrain/spkrec-ecapa-voxcelebを使用した話者埋め込みにより、特定のテストでより優れた性能を発揮

Lite-Whisper は OpenAI Whisper の圧縮バージョンで、LiteASR 技術を採用し、高い精度を維持しながらモデルサイズを削減しています。

Ultravoxは多言語音声テキスト変換モデルで、LLaMA-3-2.1Bアーキテクチャを最適化し、複数言語の音声認識と文字起こしタスクをサポートします。

UltravoxはLlama3.2-1BとWhisper-large-v3を基に構築されたマルチモーダル音声大規模言語モデルで、音声とテキスト入力を同時に処理できます。

OpenAI Whisper Large V3 Turboを基に最適化したロシア語自動音声認識(ASR)モデル、Mozilla Common Voice 17ロシア語データセットでファインチューニング

これは音声セグメンテーションのためのモデルで、スピーカーの変化、音声活動、およびオーバーラップ音声を検出でき、マルチスピーカーシナリオの音声分析に適しています。

Oyqiz/uzbek_sttをベースにファインチューニングしたウズベク語音声認識モデルで、特に法律と軍事分野のデータに最適化されています

これはpyannote.audioをベースにしたスピーカーセグメンテーションモデルで、音声活動、スピーカー変更、オーバーラップ音声を検出できます。

ECAPA-TDNNアーキテクチャに基づく事前学習モデルで、人間の音声から性別を分類する

Whisperは多言語自動音声認識（ASR）システムで、複数の言語の音声をテキストに変換するタスクをサポートしています。

OpenAI Whisper large-v3をベースにした日本語最適化バージョン、多言語音声認識をサポート

これは音声処理用の話者分割モデルで、音声活動、重複音声、複数話者を検出できます。

Whisper large-v3はOpenAIが開発した大規模多言語自動音声認識(ASR)モデルで、複数言語の音声からテキストへの変換タスクをサポートしています。

音声内の異なる話者を自動的に検出・分割する音声処理モデルです。

pyannote.audio 3.0.0でトレーニングされたスピーカーダイアリゼーションパイプライン。自動音声活動検出、スピーカー変化検出、オーバーラップ音声検出をサポート

これはパワーセットエンコーディングに基づく話者分割モデルで、10秒の音声クリップを処理し、複数の話者とその重複音声を識別できます。

facebook/wav2vec2-baseをspeech_commands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、精度は97.35%

Sonic48k は RVC (Retrieval-based Voice Conversion) 技術に基づく音声変換モデルで、主に音声変換タスクに使用されます。

これはRVC（Retrieval-Based Voice Conversion）モデルで、音声から音声への変換タスクに使用されます。

これはRVC（Retrieval-based Voice Conversion）技術に基づく音声変換モデルで、200回の訓練を経ており、Crepeアルゴリズムを使用しています。

これはRVC（Retrieval-Based Voice Conversion）モデルで、音声から音声への変換タスクに使用され、声の変換を実現できます。

これはRVC（Retrieval-based Voice Conversion）技術に基づく音声変換モデルで、入力音声を特定のスタイルに変換できます。

これはRVC（Retrieval-based Voice Conversion）技術に基づく音声変換モデルで、入力音声を特定のスタイルに変換できます。

これはRVC（Retrieval-based Voice Conversion）モデルで、音声から音声への変換タスクに使用され、音声変換を実現できます。

これはRVC（Retrieval-Based Voice Conversion）技術に基づく音声変換モデルで、入力音声をアリアナ・グランデスタイルの音声に変換できます。

facebook/wav2vec2-baseをファインチューニングした音声コマンド分類モデル、superbデータセットでトレーニングされ、精度98.09%を達成

これはOpenAI Whisper large-v2モデルのCTranslate2変換バージョンで、効率的な音声認識に使用されます

pyannote.audio 2.0バージョンに基づくスピーカーダイアリゼーションモデルで、音声中の異なる話者を自動検出・分割します。

pyannote.audio 2.0ベースの話者分割モデルで、音声中の話者変化や音声活動を自動検出

wav2vec2アーキテクチャに基づく音声キーワード検出モデルで、Optimum OpenVINOによる量子化最適化が施されています

ESPnetフレームワークでトレーニングされた音声強調モデルで、chime4データセットを使用してトレーニングされ、シングルチャネル音声強調タスクに適しています。

S2Tアーキテクチャに基づくエンドツーエンド音声翻訳モデルで、英語からオランダ語への音声翻訳タスク向けに設計されています

このモデルはSepFormerアーキテクチャを通じて音声強化（ノイズ除去 + 残響除去）を実現し、WHAMR!データセット（8kHz）で事前学習され、テストセットのSI - SNRは10.59dBに達します。

Facebookが公開したWav2Vec2アーキテクチャに基づく大規模イタリア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済み

英語からスペイン語へのエンドツーエンド音声翻訳のための音声テキスト変換モデル

これはXLSR-Wav2Vec2アーキテクチャに基づくギリシャ語自動音声認識モデルで、ギリシャ軍事学院とクレタ工科大学によって開発されました。

これはMetricGAN+方法を使用して訓練された音声強化モデルで、音声品質を効果的に向上させることができます。