# 低い単語誤り率

このモデルは、AI_LIGHT_DANCE - ONSET-SINGINGデータセットでfacebook/wav2vec2-large-xlsr-53をファインチューニングした自動音声認識モデルで、主に歌唱音声認識タスクに使用されます。

facebook/hubert-large-ls960-ftをファインチューニングした音声認識モデルで、LibriSpeechデータセットでトレーニング済み

スウェーデン国立図書館が公開したWhisperモデルで、スウェーデン語に最適化されており、50,000時間以上のスウェーデン語音声データでトレーニングされ、OpenAIのオリジナル版を上回る性能

スウェーデン国立図書館が5万時間以上のスウェーデン語音声で訓練したWhisperモデルで、スウェーデン語音声認識タスクで優れた性能を発揮

スウェーデン国立図書館が公開したWhisperアーキテクチャに基づくスウェーデン語音声認識モデルで、5万時間以上のトレーニングデータを使用し、単語誤り率を大幅に低減しています。

Whisper Large v3 Turboを基に最適化されたドイツ語音声認識モデル。13時間の精選データセットで微調整され、ドイツ語認識精度が大幅に向上

Whisper Baseをファインチューニングしたウズベク語音声認識モデル、Common Voiceデータセットでトレーニング済み

このモデルはopenai/whisper-large-v3を微調整した音声クローンモデルで、主に音声認識タスクに使用され、評価データセットでの単語誤り率は15.3572です。

Whisper Large v3をベースとしたドイツ語音声認識モデル、ドイツ語音声処理と認識に最適化

OpenAI Whisper-baseモデルをファインチューニングしたハンガリー語音声認識モデルで、1200時間のハンガリー語データで訓練され、同類のモデルよりも優れた性能を発揮します

openai/whisper-large-v3-turboをCommon Voice 17.0データセットでファインチューニングしたトルコ語音声認識モデル

Whisper Large v3を基にしたドイツ語音声認識のファインチューニングモデルで、ドイツ語音声処理と認識に特化して最適化されています。

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、音素認識タスクに特化

OpenAI Whisper Large V2モデルをオランダ語データセットで微調整した音声認識モデル、単語誤り率10.14%

Common Voice 16.0データセットで微調整されたOpenAI Whisper Large V3モデルに基づく音声認識モデル

w2v-bert-2.0をベースに、Common Voice 16.0の英語データセットで微調整された自動音声認識(ASR)モデル

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

OpenAI Whisper-smallを微調整したトルコ語音声認識モデル、単語誤り率26.34%

SpeechBrainフレームワークに基づく自動音声認識モデルで、ConformerエンコーダーとTransformerデコーダーを使用し、LibriSpeechデータセットでトレーニングされ、英語音声認識をサポートします。

microsoft/git-baseをベースにファインチューニングした画像説明生成モデルで、ポケモン画像データセットでトレーニング

約800時間の多様なエストニア語データでファインチューニングされたWhisper-mediumモデルで、汎用音声認識シナリオに適しています

OpenAI Whisper-large-v2をファインチューニングした韓国語自動音声認識(ASR)モデルで、韓国語データセットで優れた性能を発揮

これはwhisper-large-v2アーキテクチャに基づく自動音声認識モデルで、CommonVoiceデータセット上のペルシア語に特化して微調整されています。

openai/whisper-large-v2を基にファインチューニングしたフランス語音声認識モデルで、2200時間以上のフランス語音声データでトレーニングされています

OpenAI Whisper-smallをファインチューニングしたヒンディー語音声認識モデルで、複数の公開ASRコーパスでトレーニング済み

OpenAI Whisper-smallを微調整したタミル語自動音声認識モデルで、複数の公開データセットで訓練され、単語誤り率の性能に優れています。

OpenAI Whisper Mediumモデルをファインチューニングしたデンマーク語自動音声認識(ASR)モデルで、Common Voice 11とFLEURSデータセットでトレーニング済み

OpenAI Whisper-mediumをファインチューニングしたテルグ語音声認識モデルで、複数の公開テルグ語ASRデータセットでトレーニング済み

openai/whispertinyを微調整したカンナダ語自動音声認識モデルで、複数の公開カンナダ語ASRコーパスでトレーニング済み

OpenAI Whisper-large-v2モデルを日本語音声データセットでファインチューニングした自動音声認識(ASR)モデル

OpenAI Whisper Large-v2モデルをファインチューニングしたタミル語自動音声認識(ASR)モデルで、Common Voice 11.0タミル語テストセットで8.45%の単語誤り率を達成

OpenAI Whisper Large-v2モデルをファインチューニングしたヒンディー語音声認識モデルで、Common Voice 11.0ヒンディー語テストセットで11.3%の単語誤り率を達成

Zeroth Koreanデータセットを基に微調整された韓国語自動音声認識モデルで、単語誤り率は6.76%です。

openai/whisper-mediumをベースに、インドネシア語データセットで微調整した音声認識モデルで、インドネシア語の認識精度が大幅に向上しました。

openai/whisper-mediumをcommon_voice_11_0データセットでファインチューニングした日本語音声認識モデル

OpenAI Whisper Largeモデルをファインチューニングしたクメール語自動音声認識モデル、SLR42データセットでトレーニング済み

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。

TEDLIUMコーパスで訓練されたシーケンス・ツー・シーケンスの自動音声認識モデルで、Wav2Vec2音声エンコーダとBartテキストデコーダを組み合わせたもの

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、GARY109/AI_LIGHT_DANCE - ONSET-SINGING2データセットでwav2vec2-large-xlsr-53をファインチューニングした自動音声認識モデルで、主に歌唱音声認識タスクに使用されます。