# 音声認識

Ultravox v0.5はLlama-3 2.1Bアーキテクチャを最適化した音声テキスト変換モデルで、音声書き起こしタスクの効率的な処理に特化しています。

このモデルはfacebook/wav2vec2-baseをLibriSpeech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、評価セットで0.3174の単語誤り率を達成しました。

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

facebook/wav2vec2-baseを微調整した音声処理モデルで、評価セットで99.48%の精度を達成

wav2vec2-base-finetunedを基にさらに微調整した音声処理モデルで、評価セットで98.82%の精度を達成

wav2vec2-base-finetunedモデルを微調整した音声処理モデルで、評価セットで98.82%の精度を達成

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

facebook/wav2vec2-baseモデルをベースにファインチューニングした音声処理モデルで、評価セットで99.97%の精度を達成

facebook/wav2vec2-baseモデルをベースにファインチューニングした音声処理モデルで、評価データセットで99.97%の精度を達成

wav2vec2-baseモデルをオーディオフォルダデータセットでファインチューニングしたオーディオ分類モデルで、検証セットの精度は99.82%

このモデルはwhisper-smallアーキテクチャに基づく方言分類器で、特定の方言の音声入力を識別・分類するために使用されます。

このモデルは音声分類タスクに使用され、音声データを分類識別できます。

OpenAIのwhisper-baseモデルをGTZANデータセットでファインチューニングした音声分類モデルで、主に音楽ジャンル分類タスクに使用されます。

facebook/wav2vec2-baseをファインチューニングした音声処理モデルで、評価データセットで優れた性能を発揮

このモデルはfacebook/wav2vec2-baseをsuperbデータセットでファインチューニングした音声分類モデルで、評価セットで99.87%の精度を達成しました。

このモデルはfacebook/wav2vec2-baseを未知の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、主に音声認識タスクに使用され、評価セットで84.55%の精度を達成しています。

このモデルはfacebook/wav2vec2-baseをsuperbデータセットでファインチューニングしたオーディオ分類モデルで、評価セットで0.6578の精度を達成しました。

facebook/wav2vec2-baseをsuperb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、精度98.34%

Whisperアーキテクチャに基づく小型音声認識モデル、特定分野の音声テキスト変換タスクに適しています

このモデルは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、主に英語音声からテキストへの変換タスクに使用されます。

このモデルはfacebook/wav2vec2-baseをSUPERB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、キーワード認識タスクで優れた性能を発揮します。

facebook/wav2vec2-baseモデルをファインチューニングしたバージョンで、特定のタスクに使用されます

facebook/wav2vec2-baseモデルをベースに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87.27%の精度を達成しました。

このモデルはfacebook/wav2vec2-base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で、Google Colab環境でトレーニングされました。

このモデルはfacebook/wav2vec2-baseをベースにファインチューニングしたバージョンで、主に音声認識タスクに使用されます。

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

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で、低い単語誤り率(WER)を実現しています。

このモデルはfacebook/wav2vec2-base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で、主に英語音声からテキストへの変換タスクに使用されます。

このモデルはfacebook/wav2vec2-baseをCommon Voice 3.0英語データセットで微調整した音声認識モデルで、テストセットで0.247の単語誤り率を達成しました。

このモデルはfacebook/wav2vec2-baseをファインチューニングした音声認識モデルで、評価セットで単語誤り率0.1042を達成しました。

facebook/wav2vec2-base-960hをファインチューニングした音声認識モデル

facebook/wav2vec2-base-960hをベースにファインチューニングした音声認識モデルで、評価セットでの単語誤り率は1.0

facebook/wav2vec2-base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で、英語音声からテキストへの変換タスクに特化

facebook/wav2vec2-base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0.3355の単語誤り率(WER)を達成しました。

これはdistilhubertをsuperbデータセットで微調整した音声認識モデルで、主に自動音声認識(ASR)タスクに使用されます。

これは自動生成されたテストモデルで、主にデモンストレーションと実験目的で使用されます。

このモデルはfacebook/wav2vec2-base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で、評価セットで0.3384の単語誤り率(WER)を達成しました。

wav2vec2アーキテクチャに基づく音声キーワード検出モデルで、Optimum OpenVINOによる量子化最適化が施されています

facebook/wav2vec2-base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0.3417の単語誤り率を達成しました。

このモデルはfacebook/wav2vec2-xls-r-300mを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、自動音声認識タスクをサポートします。