モデル選定

日本語音声認識

# 日本語音声認識

Japanese Hubert Base Phoneme Ctc

このモデルはrinna/japanese - hubert - baseをベースに、CTCを通じて日本語音素認識を行う微調整モデルで、日本語音声認識の精度を効果的に向上させることができます。

Transformers 日本語

Parakeet Tdt Ctc 0.6b Ja

このモデルはFastConformerアーキテクチャに基づく日本語自動音声認識(ASR)モデルで、NVIDIAによって開発されMLXフォーマットに変換されました。

Kotoba Whisper V2.2 Faster

これはWhisperアーキテクチャに基づく日本語自動音声認識(ASR)モデルで、CTranslate2形式に変換されて推論効率が向上しています。

音声認識日本語

Vlzcrz Whisper Small Japanese 2

openai/whisper-smallをCommon Voice 17.0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

Transformers 日本語

Japanese Wav2vec2 Large Rs35kh

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

Transformers 日本語

reazon-research

Kotoba Whisper V2.2

Whisperベースの日本語自動音声認識モデル、話者分離と句読点追加機能を統合

Transformers 日本語

Kotoba Whisper V2.0 Faster

CTranslate2用のWhisper音声認識モデルで、日本語に最適化されており、効率的な音声からテキストへの変換機能を提供します。

音声認識日本語

Kotoba Whisper V2.1

Kotoba-Whisper-v2.1 は Whisper をベースにした日本語自動音声認識（ASR）モデルで、追加の後処理スタックを統合し、句読点を自動的に追加できます。

Transformers 日本語

Kotoba Whisper V2.0

Kotoba-WhisperはAsahi UshioとKotoba Technologiesが共同開発した日本語自動音声認識蒸留モデルで、Whisper large-v3を蒸留しており、推論速度が6.3倍向上しています。

Transformers 日本語

Japanese Wav2vec2 Base Rs35kh

大規模な日本語自動音声認識コーパスReazonSpeech v2.0を基に微調整されたwav2vec 2.0 Baseモデルで、日本語自動音声認識タスクに適しています。

Transformers 日本語

reazon-research

Parakeet Tdt Ctc 0.6b Ja

Parakeet TDT-CTC 0.6Bは句読点付きの日本語音声を転写できる自動音声認識(ASR)モデルで、NVIDIA NeMoチームによって開発されました。

音声認識日本語

Kotoba Whisper V1.1

Kotoba-Whisper-v1.1はWhisperをベースにした日本語自動音声認識モデルで、句読点とタイムスタンプ処理機能を追加しています。

Transformers 日本語

Wav2vec2 Base Japanese Asr

rinna/japanese-wav2vec2-baseをcommon_voice_11_0日本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、ひらがな出力のみ対応

Transformers 日本語

Kotoba Whisper V1.0

Kotoba-Whisperは、Asahi UshioとKotoba Technologiesが共同開発した日本語自動音声認識の蒸留版Whisperモデルセットで、オリジナルのlarge-v3に比べて6.3倍高速でありながら、同等の低エラー率を維持しています。

Transformers 日本語

Whisper Large V3 Japanese 4k Steps

openai/whisper-large-v3をベースにCommon Voice 16.1日本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、4000ステップ訓練

Transformers 日本語

Nue ASRはエンドツーエンドの日本語音声認識モデルで、事前学習された音声と言語モデルを統合し、認識精度が高く高速です。

Transformers 複数言語対応

Faster Whisper Large V2 Mix Jp

これはwhisper-large-v2-mix-jpモデルのCTranslate2変換バージョンで、日本語音声認識タスクに適しています

音声認識日本語

Faster Whisper Large V2 Japanese 5k Steps

Whisper Large V2モデルに基づく日本語自動音声認識(ASR)モデルで、CTranslate2で最適化変換され、効率的な推論をサポートします。

Transformers 日本語

Whisper Small Japanese

このモデルはopenai/whisper-smallをファインチューニングした日本語音声認識モデルで、日本語音声からテキストへの変換タスクをサポートします。

Transformers 日本語

Whisper Base Japanese

このモデルは、Common Voice、JVS、JSUTデータセットを使用してopenai/whisper-baseを日本語向けにファインチューニングしたもので、日本語音声認識タスクに適しています。

Transformers 日本語

Wav2vec2 Large Xlsr 53 Japanese

facebook/wav2vec2-large-xlsr-53をベースにファインチューニングした日本語音声認識モデル、16kHzサンプリングレートの音声入力をサポート

Transformers 日本語

Whisper Large V2 Mix Jp

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

Whisper Medium Jp

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

Transformers 日本語

Exp W2v2t Ja Vp It S544

facebook/wav2vec2-large-it-voxpopuliモデルをベースに、Common Voice 7.0（日本語版）のトレーニングセットを使用して音声認識のファインチューニングを行った日本語自動音声認識モデルです。

Transformers 日本語

Exp W2v2t Ja Unispeech Sat S884

microsoft/unispeech-sat-largeモデルをベースにファインチューニングした日本語自動音声認識モデルで、Common Voice 7.0日本語データセットでトレーニングされています。

Transformers 日本語

Exp W2v2t Ja Wavlm S729

microsoft/wavlm-largeモデルをファインチューニングした日本語自動音声認識モデル、Common Voice 7.0日本語データセットで学習

Transformers 日本語

Exp W2v2t Ja Unispeech S569

microsoft/unispeech-large-1500h-cvモデルをベースに、Common Voice 7.0（日本語）データセットを使用して音声認識のファインチューニングを行った日本語自動音声認識モデル

Transformers 日本語

Exp W2v2t Ja Xlsr 53 S109

facebook/wav2vec2-large-xlsr-53モデルをファインチューニングした日本語自動音声認識モデル、Common Voice 7.0日本語データセットで学習

Transformers 日本語

Wav2vec2 Live Japanese

facebook/wav2vec2-large-xlsr-53を微調整した日本語音声認識モデルで、平仮名出力に対応しています。

Transformers 日本語

Wav2vec2 Xls R 1b Japanese

このモデルは、facebook/wav2vec2-xls-r-1bを公共の日本語音声データセットで微調整したバージョンで、日本語の自動音声認識タスクをサポートします。

Transformers 日本語

Wav2vec2 Large Xlsr Japanese 0325 1200

これはfacebook/wav2vec2-large-xlsr-53モデルを基に、日本語音声認識タスク向けにファインチューニングした自動音声認識(ASR)モデルです。

Transformers 日本語

W2v Hf Jsut Xlsr53

facebook/wav2vec2-large-xlsr-53モデルをベースに、Common VoiceとJSUTデータセットを使用して日本語にファインチューニングした自動音声認識モデルです。

Transformers 日本語

Wav2vec2 Large Xlsr Japanese Hiragana

facebook/wav2vec2-large-xlsr-53モデルを微調整した日本語音声認識モデルで、ひらがな出力をサポート

Transformers 日本語

Wav2vec2 Large Xlsr 53 Japanese

facebook/wav2vec2-large-xlsr-53モデルをベースにファインチューニングした日本語音声認識モデルで、16kHzサンプリングレートの音声入力をサポート

音声認識日本語

W2v Hf Commonvoice From Xlsr53 Pretrain 0329UTC1500

facebook/wav2vec2-large-xlsr-53をCommon Voice日本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

Kan Bayashi Csj Asr Train Asr Transformer Raw Char Sp Valid.acc.ave

これはESPnetフレームワークに基づいて訓練された日本語自動音声認識(ASR)モデルで、CSJデータセットを使用して訓練され、Transformerアーキテクチャを採用しています。

音声認識日本語

Wav2vec2 Large Xlsr Japanese

facebook/wav2vec2-large-xlsr-53を日本語用にファインチューニングしたモデルで、日本語音声認識タスクをサポートします。

Transformers 日本語

Wav2vec2 Xls R 300m Japanese

これはfacebook/wav2vec2-xls-r-300mをファインチューニングした日本語自動音声認識モデルで、日本語の音声を平仮名テキストに転写するために特化しています。

Transformers 日本語

Wav2vec2 Large Japanese

facebook/wav2vec2-large-xlsr-53モデルを微調整した日本語音声認識モデルで、16kHzサンプリングレートの入力をサポートします。

音声認識日本語

Wav2vec2 Xls R 300m Japanese

これはfacebook/wav2vec2 - xls - r - 300mをベースに、日本語Common Voice 8.0データセットで微調整された自動音声認識(ASR)モデルで、日本語の音声を文字に変換する機能をサポートしています。

Transformers 日本語

おすすめAIモデル

Llama 3 Typhoon V1.5x 8b Instruct

タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化

大規模言語モデル

Transformers 複数言語対応

Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。

対話システム

Transformers 英語

Roberta Base Chinese Extractive Qa

RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。

質問応答システム中国語

AIbase

未来を切り開く、あなたのAIソリューション知識ベース

English 简体中文繁體中文にほんご

© 2025AIbase