# 低文字誤り率

microsoft/Phi-4-multimodal-instructをファインチューニングした台湾標準中国語音声認識モデルで、台湾標準中国語汎用音声19.0データセットでトレーニング済み

microsoft/Phi-4-multimodal-instructを微調整した韓国語自動音声認識(ASR)および音声翻訳(AST)モデルで、zeroth-koreanとfleursデータセットで優れた性能を発揮します。

Whisper v3を微調整した広東語自動音声認識モデル、Common Voice 17データセットで訓練

wav2vec 2.0 Largeアーキテクチャに基づき、大規模な日本語ASRコーパスReazonSpeech v2.0でファインチューニングされた日本語自動音声認識モデル

マイクロソフトTrOCRをファインチューニングした手書き文字認識モデルで、19世紀のフィンランド語とスウェーデン語の裁判記録文書に特化

mHuBERT-147基本モデルを基に訓練されたウクライナ語自動音声認識モデルで、ウクライナ語音声からテキストへの変換タスクをサポートします。

whisper-large-v2を微調整した中国語音声認識モデルで、複数の中国語音声認識ベンチマークテストにおいて30-70%の相対的性能向上を実現しました。

マイクロソフトのtrocr-base-handwrittenを微調整した手書きOCRモデルで、評価データセットにおける文字誤り率(CER)は0.0360

microsoft/trocr-base-printedを微調整したOCRモデルで、ナンバープレートのテキスト認識に特化

microsoft/trocr-base-printedを基に微調整したキャプチャOCRモデルで、画像キャプチャからテキストを抽出します。

OpenAIのwhisper-large-v2モデルをモンゴ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、モンゴル語の自動音声認識タスクをサポートします。

OpenAI Whisper Large V2モデルを微調整した広東語自動音声認識(ASR)モデルで、Common Voice 11.0広東語データセットで訓練され、文字誤り率(CER)は6.21%です。

OpenAI Whisper Large V2を広東語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、テストセットで6.7274%の文字誤り率を達成

facebook/wav2vec2-xls-r-300mをファインチューニングしたタガログ語音声認識モデル

facebook/wav2vec2-large-xlsr-53モデルをベースに、Common Voiceコーパス8.0版で広東語にファインチューニングした音声認識モデル

XLS-R 10億パラメータモデルをファインチューニングしたイタリア語音声認識モデルで、言語モデル対応の認識をサポート

facebook/wav2vec2-xls-r-300mをファインチューニングしたフィンランド語自動音声認識モデル。275.6時間のフィンランド語注釈データで訓練され、KenLM言語モデルとの連携使用をサポート。

wav2vec2-xls-r-300mアーキテクチャをファインチューニングしたエストニア語自動音声認識モデル、Common Voice 7.0データセットでトレーニング

facebook/wav2vec2-large-xlsr-53モデルをベースに微調整されたギリシャ語音声認識モデルで、16kHzサンプリングレートの音声入力に対応しています。

facebook/wav2vec2-xls-r-1bをCommon Voiceインドネシア語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

ペルシア語に最適化されたXLSR - 53大規模モデルの音声認識システムで、facebook/wav2vec2-large-xlsr-53アーキテクチャに基づいて微調整されています。

facebook/wav2vec2-xls-r-300mモデルをアルメニア語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)モデルで、アルメニア語音声からテキストへの変換タスクをサポートします。

これはハンガリー語音声認識タスクに対して微調整されたXLSR - 53大規模モデルで、Common VoiceとCSS10データセットを基に訓練されています。

facebook/wav2vec2 - xls - r - 1bをCommon Voice 7とLibri Speechデータセットでファインチューニングしたイタリア語自動音声認識モデル

CETUCデータセットを使用してブラジルポルトガル語向けにファインチューニングされたWav2vec2モデル。約145時間のブラジルポルトガル語音声データでトレーニング

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のwav2vec2-xls-r-1bモデルを基に、フィンランド語自動音声認識(ASR)向けに微調整したバージョン。259.57時間のフィンランド語注釈付き音声データで訓練

このモデルは、facebook/wav2vec2-xls-r-300mをCOMMON_VOICE - ESデータセットでファインチューニングしたスペイン語自動音声認識モデルです。

ポーランド語に最適化されたXLSR-53大規模音声認識システム、facebook/wav2vec2-large-xlsr-53を基にファインチューニング、ポーランド語自動音声認識をサポート

これはXLSR Wav2Vec2アーキテクチャに基づくドイツ語自動音声認識モデルで、Common Voiceドイツ語データセットでファインチューニングされています。

facebook/wav2vec2-large-xlsr-53モデルを基に、Common Voiceデータセットでエストニア語にファインチューニングした自動音声認識モデル

facebook/wav2vec2-large-xlsr-53モデルをファインチューニングしたフィンランド語自動音声認識モデルで、16kHzサンプリングレートの音声入力をサポート

これはXLS-Rアーキテクチャに基づく300Mパラメータの自動音声認識(ASR)モデルで、オランダ語に特化して最適化され、Common Voice 8.0データセットでトレーニングされました。

XLS-R-300M は自動音声認識（ASR）ベースのモデルで、オランダ語に特化して最適化されており、Common Voice 8 オランダ語データセットでトレーニングされています。

これはfacebook/wav2vec2-xls-r-300mモデルをブルガリア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)モデルです。

これはFacebookのwav2vec2-xls-r-300mモデルをポルトガル語Common Voice 8.0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す

XLSR-300Mアーキテクチャに基づく新ノルウェー語自動音声認識モデルで、NPSCデータセットでトレーニングされ、単語誤り率と文字誤り率が低いです。