# ロシア語音声認識

NVIDIA FastConformer-Hybrid Large は、FastConformer アーキテクチャに基づくロシア語自動音声認識モデルで、CTC と RNN-T デコーダーをサポートしています。

GigaAM v2は自動音声認識（ASR）モデルで、ロシア語音声からテキストへの変換タスクをサポートし、CTCとRNN-Tの2つのアーキテクチャを提供します。

GigaAM-v2-RNNT はロシア語自動音声認識（ASR）モデルで、RNNTアーキテクチャに基づいており、音声からテキストへの変換タスクに適しています。

GigaAM-v2-CTCはCTC損失関数でトレーニングされたロシア語自動音声認識(ASR)モデルで、Hugging Face transformersライブラリを通じて利用可能です。

TIES融合手法を用いて統合されたロシア語音声認識モデル、電話音声認識効果を最適化

このモデルはfacebook/wav2vec2-xls-r-300mをcommon_voice_17_0データセットでファインチューニングしたロシア語自動音声認識(ASR)モデルで、単語誤り率(WER)は0.195です。

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OpenAI Whisperアーキテクチャに基づくロシア語音声認識モデルで、ロシア語音声からテキストへの変換タスクに最適化され、ctranslate2形式に変換されて推論効率が向上しています。

これはantony66/whisper-large-v3-russianモデルのctranslate2変換バージョンで、ロシア語音声認識タスク向けに最適化されています。

これは bond005/whisper-large-v3-ru-podlodka の ctranslate2 変換バージョンで、ロシア語音声認識タスク向けに最適化されています。

OpenAI Whisper-large-v3をファインチューニングしたロシア語音声認識モデルで、ロシア語認識性能を最適化

これはWhisper Large V3をベースにしたロシア語音声認識モデルで、ロシア語音声に特化して最適化されています。

このモデルはopenai/whisper-tinyをベースに、Common Voice 14.0データセットで微調整したロシア語自動音声認識モデルです。

openai/whisper-smallをベースにファインチューニングしたロシア語音声認識モデル、Sberdevices_golos_10h_crowdデータセットでトレーニング

OpenAI Whisper-baseモデルをCommon Voice 11.0ロシア語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

これはロシア語自動音声認識のためのFastConformerハイブリッドモデルで、TransducerとCTCデコーダーを組み合わせ、パラメータ規模は約1.15億です。

これはロシア語の自動音声認識用の大規模なConformer-CTCモデルで、約1636時間のロシア語音声データでトレーニングされ、約1.2億のパラメータを持っています。

これはfacebook/wav2vec2-large-xlsr-53をベースに微調整されたロシア語音声認識モデルで、Sberdevices Golosデータセットを使用して訓練され、識別精度を向上させるために2-gram言語モデルが統合されています。

facebook/wav2vec2-large-xlsr-53をファインチューニングしたロシア語音声認識モデル。Sberdevices Golosデータセットでトレーニングされ、16kHz音声入力をサポート

このモデルはfacebook/wav2vec2-large-xlsr-53をcommon_voice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、主にロシア語音声認識タスクに使用されます。

このモデルはfacebook/wav2vec2-xls-r-300mを汎用音声データセットでファインチューニングしたロシア語音声認識モデルで、評価セットで0.468の単語誤り率を達成しました。

wav2vec2アーキテクチャに基づくロシア語音声認識モデル。認識結果は対応するテキスト誤り訂正ネットワークで後処理可能

このモデルはfacebook/wav2vec2-baseをロシア語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す

XLS-R 1Bアーキテクチャを基に微調整されたロシア語音声認識モデル、Common Voice 8.0などのデータセットでトレーニング

facebook/wav2vec2-large-xlsr-53モデルをファインチューニングしたロシア語音声認識モデル、16kHzサンプリングレートの音声入力をサポート

これはWav2Vec2 XLS-Rアーキテクチャに基づくロシア語自動音声認識モデルで、パラメータ規模は300m、公共音声およびロバスト音声イベントデータセットで評価されています。

facebook/wav2vec2-large-xlsr-53モデルをファインチューニングしたロシア語自動音声認識(ASR)モデルで、Common Voiceロシア語データセットで17.39%の単語誤り率(WER)を達成。

これはFacebookのwav2vec2-large-100k-voxpopuliモデルをベースに、Common Voice 7.0とM-AILABSのロシア語データを用いて微調整された音声認識モデルです。

このモデルは、facebook/wav2vec2-baseを未知のデータセットで微調整したバージョンで、ロシア語音声処理タスクに適しています。

FacebookのWav2vec2 Large 100k Voxpopuliモデルをベースに、Common Voice 7.0、M-AILABSデータセットおよびデータ拡張技術を使用してロシア語で微調整された音声認識モデルです。

facebook/wav2vec2-xls-r-1bをCommon Voiceデータセットでファインチューニングしたロシア語自動音声認識モデル