# 多言語転移学習

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。

BnTQA-mBart は mBART アーキテクチャに基づく低リソースベンガル語表質問応答モデルで、ベンガル語の構造化表データに対する質問応答タスク専用に設計されています。

ウクライナ語に最適化された13億パラメータの言語モデル、mGPT-XL(1.3B)を基にした深層チューニング

indoSBERT-largeはsentence-transformersベースのインドネシア語の文埋め込みモデルで、文や段落を256次元ベクトル空間にマッピングし、クラスタリングや意味検索などのタスクに適しています。

これはAlephBERTを基にしたヘブライ語の文埋め込みモデルで、文や段落を768次元のベクトル空間にマッピングでき、意味検索やクラスタリングなどのタスクに適しています。

これはxlm-roberta-largeモデルをロシア語Wikiannデータセットでファインチューニングした固有表現認識(NER)モデルです

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。

jonatasgrosman/wav2vec2-large-xlsr-53-englishをベースにファインチューニングした英語-フィリピン語音声認識モデル、評価セットでのWERは0.5750

このモデルはjonatasgrosman/wav2vec2-large-xlsr-53-englishをベースにfilipino_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、英語とフィリピン語の音声認識タスクに使用されます。

このモデルはjonatasgrosman/wav2vec2-large-xlsr-53-englishをベースに、filipino_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、英語-フィリピン語音声認識タスクに使用されます。

jonatasgrosman/wav2vec2-large-xlsr-53-englishを微調整した英語-フィリピン語音声認識モデル

AfroXLMR-miniは、XLM-R-miniLMモデルを17のアフリカ言語でマスク言語モデル（MLM）適応訓練することで作成され、アフリカの主要語族と3つの高リソース言語（アラビア語、フランス語、英語）をカバーしています。

17のアフリカ言語に最適化されたXLM-R小型バリアントで、語彙削減と多言語適応トレーニングにより性能向上

facebook/wav2vec2-large-xlsr-53を基に微調整した音声認識モデルで、10ms音声マスキング訓練データで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ナワトル語（ncj方言）音声認識モデル

ウォロフ語の固有表現認識(NER)タスク向けのトークン分類モデル。xlm-roberta-baseをMasakhaNERデータセット（ウォロフ語部分）でファインチューニング

Facebookが開発したポーランド語の自動音声認識モデルで、Wav2Vec2アーキテクチャとXLSR - 53多言語事前学習モデルに基づいています。

このモデルはMasakhaNERデータセット（スワヒリ語部分）でファインチューニングされた固有表現認識モデルで、スワヒリ語テキストのエンティティ認識タスクに適しています。

BARThezはBARTアーキテクチャに基づくフランス語のシーケンス・ツー・シーケンス事前学習モデルで、抽象的要約などの生成タスクに特に適しています。

このモデルはXLM-RoBERTaの基本バリアントを基にしており、グジャラート語とOSCARの単一言語データセットでファインチューニングされており、グジャラート語の自然言語処理タスクに適しています。

Facebookの3億パラメータの音声認識モデルで、ウルドゥー語に合わせて微調整され、汎用音声8.0ウルドゥー語データセットを基に訓練されています。

このモデルはXLM-RoBERTaアーキテクチャに基づくアイスランド語の品詞タグ付けモデルで、Universal Dependenciesデータセットv2.8でファインチューニングされています。

このモデルはCommon Voiceスウェーデン語データセットを使用してfacebook/wav2vec2-xls-r-300mをファインチューニングした音声認識モデルで、評価セットで1.0286の単語誤り率(WER)を達成しました。

このモデルはOpenAI GPT - 2の中規模モデルに基づいて、イタリア語の語彙に対して再学習を行い、イタリア語のテキスト生成タスクに適しています。

多言語BERTを微調整したイタリア語憎悪発言検出モデルで、英語データを使用して訓練されました。

xlm-roberta-large-squad2モデルをファインチューニングした韓国語Q&Aシステムで、KorQuAD評価で優れた性能を発揮します。