# 低リソース音声処理

このモデルは、OpenAIのWhisper Smallをタミル語のCommon Voice 17.0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、単語誤り率(WER)は43.23%です。

OpenAI Whisper-tinyをファインチューニングしたペルシャ語自動音声認識モデル、common_voice_11_0データセットでトレーニング

このモデルはMMS-300mをファインチューニングしたアラビア語方言音声認識モデルで、現代標準アラビア語および4つの主要なアラビア語方言を識別できます。

これはfacebook/wav2vec2-baseをファインチューニングした音声処理モデルで、主に音声関連タスクに使用されます

クレタ方言向け初の自動音声認識(ASR)モデルで、ギリシャ語XLS-Rモデルをファインチューニングして訓練されました。

これはアラビア文字の発音を認識・分類するtransformersモデルです。

Whisper-large-v3をファインチューニングした台湾客家語音声認識モデルで、複数の客家語方言をサポート

このモデルは、facebook/wav2vec2-xls-r-300mをcommon_voice_albanianデータセットで微調整した音声処理モデルで、アルバニア語関連のタスクに適しています。

wav2vec2-base-vietnamese-250hをファインチューニングしたベトナム語声調識別モデル、精度59.72%

これはthennal/whisper-medium-mlをCTranslate2モデル形式に変換したバージョンで、マラヤーラム語音声認識に使用されます

facebook/hubert-large-ll60kをベースにファインチューニングしたタイ語音声認識モデル、トレーニングデータはCommon Voice 7.0から取得

wav2vec2-large-xlsr-53ベースの自動音声認識モデルで、GARY109/AI_LIGHT_DANCEデータセットでファインチューニング済み

これはアムハラ語向けの自動音声認識モデルで、wav2vec 2.0アーキテクチャとCTC/Attentionメカニズムを使用してトレーニングされています

facebook/wav2vec2-xls-r-300m事前学習モデルをベースに、uob_singlishデータセットで微調整した音声認識モデル

このモデルはuob_singlishデータセットを使用してwav2vec2-xls-r-300m-mixedを微調整したバージョンで、シンガポール英語音声認識に特化しています。

このモデルはli_singlishデータセットを使用してRuiqianLi/wav2vec2-large-xls-r-300m-singlish-colabをファインチューニングしたバージョンで、主にシンガポール英語音声認識タスクに使用されます。

このモデルはfacebook/wav2vec2-large-xlsr-53を未知の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、アラビア語方言(Arabizi)の認識をサポートします。

このモデルはkingabzpro/wav2vec2-urduをファインチューニングした音声処理モデルで、特定の音声認識タスクに適しています。

このモデルはfacebook/wav2vec2-xls-r-300mをfilipino_voice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、フィリピン語をサポートしています。

Wav2Vec2-Large-100h-Lv60は、100時間のLibri-LightとLibrispeech音声データを用いて事前学習と微調整を行った大規模モデルで、自己訓練目標で訓練されており、16kHzサンプリングレートの音声認識タスクに適しています。

このモデルはfacebook/wav2vec2-large-xlsr-53をトルコ語Common Voice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

facebook/wav2vec2-large-xlsr-53をトルコ語Common Voice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Common Voice 7.0 ABデータセットで微調整された自動音声認識モデルで、XLS - Rダミーアーキテクチャに基づいています。

HIYACCENTはナイジェリア英語アクセントに最適化された音声認識システムで、Wav2Vec2アーキテクチャを改良し、認識性能を20％以上向上させました。

facebook/wav2vec2-xls-r-300mをプライベート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モデルで、ロバストな音声イベント処理能力を備えています。

このモデルはfacebook/wav2vec2-large-xlsr-53をcommon_voiceタミル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

wav2vec2-large-xlsr-53を微調整したアイルランド・ゲール語自動音声識別モデルで、Common Voice 7.0データセットで訓練されました。

これはfacebook/wav2vec2-large-xlsr-53をファインチューニングした上ソルブ語音声認識モデルで、トレーニングデータはCommon Voiceデータセットとオンラインソルブ語コースから取得されています。

これはfacebook/wav2vec2-large-xlsr-53モデルを微調整したハンガリー語自動音声認識モデルで、一般音声データセットを使用して訓練されています。

これはfacebook/wav2vec2-xls-r-300mモデルをヤクート語（サハ語）音声データセットで微調整した音声認識モデルです。

DistilHuBERTは、HuBERTモデルを階層的に蒸留することで実現された軽量版の音声表現学習モデルで、性能を維持しながらモデルサイズと計算コストを大幅に削減します。

microsoft/wavlm-base-plusをベースに、PHONGDTD/VINDATAVLSP - NAデータセットで微調整したベトナム語自動音声認識モデル

asapp/sew-d-small-100kを基にTIMIT_ASRデータセットで微調整された自動音声認識モデル

このモデルはfacebook/wav2vec2-xls-r-300mをCOMMON_VOICE - LG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、ルガンダ語(lg)の自動音声認識タスクをサポートします。

このモデルはwav2vec2アーキテクチャに基づくポルトガル語自動音声認識モデルで、Common Voice 7データセットで微調整されており、8kHzサンプリングレートのオーディオ入力をサポートします。

facebook/wav2vec2-large-xlsr-53モデルを基にファインチューニングしたアラビア語自動音声認識モデルで、Common Voiceアラビア語データセットでテストしたWERは52%です。

Wav2Vec2はFacebookが開発した音声認識モデルで、自己教師あり学習により生の音声から音声表現を学習し、LibriSpeechデータセットで微調整され、高精度な音声転写を実現します。

XLSR-Wav2Vec2は多言語音声認識モデルで、言語間事前学習により共有音声表現を学習し、53言語をサポートします。

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トルコ語音声認識モデルです

VoxPopuliコーパスの10Kの未ラベルデータで事前学習され、スロバキア語の転写データでファインチューニングされた音声認識モデル