# 高精度音声認識

クルド語のクルマンジ方言に特化した自動音声認識モデルで、Whisperアーキテクチャを微調整したものです。

NextVoiceはLamapiが開発したオープンソースの音声テキスト変換ソリューションで、高品質な書き起こしとリアルタイム処理をサポートします。

whisper-large-v3を微調整した医療シナリオ専用音声認識モデル

OpenAI Whisper-smallを医療分野でファインチューニングした音声認識モデルで、医療シーンでの音声からテキストへの変換タスクをサポート

Parakeet RNNT 1.1BはNVIDIA NeMoとSuno.aiが共同開発した自動音声認識モデルで、FastConformer Transducerアーキテクチャに基づき、約11億のパラメータを持ち、英語音声の書き起こしをサポートします。

HuBERTアーキテクチャに基づく音声分類モデルで、GTZAN音楽ジャンル分類データセットでファインチューニングされ、88%の精度を達成

DistilHuBERTアーキテクチャを基にGTZAN音楽分類データセットでファインチューニングされた音声分類モデルで、精度は88%

NVIDIA FastConformer-Transducerは、英語の自動音声認識(ASR)向けの高性能モデルで、最適化されたFastConformerアーキテクチャとTransducerデコーダを採用し、パラメータ規模は約6.18億です。

NVIDIA FastConformer-CTC XLargeは約6億パラメータの自動音声認識(ASR)モデルで、英語音声の文字起こしのために設計され、FastConformerアーキテクチャとCTC損失でトレーニングされています。

これはFastConformerアーキテクチャに基づく大規模な自動音声認識(ASR)モデルで、英語音声をテキストに転写するために特別に設計されています。

これはFastConformerアーキテクチャに基づく大規模な自動音声認識(ASR)モデルで、英語音声をテキストに転写するために特別に設計されています。

wav2vec2ベースのドイツ語音声感情検出モデルで、emo-DBデータセットで訓練され、7種類の異なる感情を識別できます。

OpenAIのwhisper-large-v2モデルを日本語CommonVoice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、5000ステップ訓練、単語誤り率0.7449

AudioSetデータセットでファインチューニングされたオーディオスペクトログラムトランスフォーマーで、音声をスペクトログラムに変換後、ビジョントランスフォーマーアーキテクチャで処理し、音声分類タスクで優れた性能を発揮します。

TEDLIUMコーパスでファインチューニングされたWav2Vec2大型音声認識モデル、英語音声からテキストへの変換をサポート

これはNVIDIAが開発した自動音声認識(ASR)モデルで、Conformer-Transducerアーキテクチャに基づき、約6億のパラメータを持ち、英語音声の転写専用に設計されています。

これはLibriSpeechデータセットでトレーニングされたエンドツーエンドの自動音声認識システムで、wav2vec 2.0事前トレーニングモデルとCTC技術を組み合わせ、英語音声認識タスクで優れた性能を発揮します。

Facebookのwav2vec2-large-960h-lv60-selfモデルを基に、ウィキペディア言語モデルで強化した自動音声認識(ASR)システム

Librispeech 100時間の音声データでファインチューニングされたWav2Vec2 Conformerモデルで、回転位置埋め込み技術を採用

このモデルは回転位置埋め込み技術を統合し、16kHzサンプリングの音声オーディオに基づき、960時間のLibriSpeechデータで事前学習と微調整が行われ、英語音声認識タスクに適しています。

相対位置埋め込み技術を採用したWav2Vec2-Conformer大型音声認識モデル、Librispeech 100時間音声データで微調整

16kHzサンプリング音声オーディオに基づくWav2Vec2-Conformerモデルで、相対位置埋め込み技術を採用し、960時間のLibrispeechデータで事前学習と微調整を行った

FacebookのWav2Vec2-Base-960hモデルをベースに、英語4-gram言語モデルを追加し、自動音声認識(ASR)の精度向上を図っています。

FacebookのWav2Vec2-Large-960h-lv60-selfモデルを基に、英語4-gram言語モデルを追加して音声認識精度を向上

これはWav2Vec2アーキテクチャに基づくネパール語音声認識モデルで、ネパール語音声をテキストに変換できます。

これはConformerアーキテクチャに基づく大規模な自動音声認識(ASR)モデルで、英語音声の文字起こしをサポートし、CTC損失関数を使用して訓練されています。

Data2Vecは音声、視覚、言語タスクに適用可能な汎用自己教師あり学習フレームワークです。この音声大規模モデルはLibriSpeechの960時間音声データで事前学習とファインチューニングされ、自動音声認識タスク向けに最適化されています。

Wav2Vec2アーキテクチャに基づく大規模英語自動音声認識モデルで、4500時間の多ソース音声データで微調整され、言語モデルを用いたデコードをサポートします。

Wav2Vec2は自己教師あり学習に基づく音声認識モデルで、Facebookによって開発され、LibriSpeechデータセットでトレーニングされ、英語音声からテキストへの変換タスクをサポートします。

facebook/wav2vec2-large-robust-ft-swbd-300hモデルをベースに微調整した個人向け音声テキスト変換モデルで、特定のアクセントに最適化されています。

HuBERT-Largeは、LibriSpeechの960時間の音声データで微調整された自己教師付き音声表現学習モデルで、自動音声認識タスクに使用されます。

Data2Vecは音声、視覚、言語処理に適用可能な汎用的な自己教師あり学習フレームワークです。このモデルはLibriSpeech 960時間の音声データで事前学習と微調整を行った音声認識モデルです。

ESPnetフレームワークでトレーニングされた自動音声認識(ASR)モデルで、ConformerアーキテクチャとWavLM大型事前学習モデルを使用し、LibriSpeechデータセットでトレーニングされました。

Wav2Vec2は強力な音声認識モデルで、自己教師あり学習により生の音声から特徴を抽出し、限られたラベル付きデータで高性能な音声認識を実現します。

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。

Librispeechの960時間の音声データで微調整されたHubert超大型音声認識モデルで、LibriSpeechテストセットでのWERはわずか1.8です。

これはSpeechBrainフレームワークを使用し、UrbanSound8kデータセットで事前学習された音声認識モデルで、10種類の都市環境音を識別できます。

これはWav2Vec2アーキテクチャに基づく自動音声認識（ASR）モデルで、ドグリ語（Dogri）の音声内容を認識するために特別に設計されています。

Facebookが開発したWav2Vec2の大規模モデルで、960時間のLibri-LightとLibrispeechの音声データを基に事前学習と微調整を行い、自己学習目標を採用し、LibriSpeechテストセットでSOTAの結果を達成しました。

microsoft/wavlm-base-plusを基にLIBRISPEECH_ASR - CLEAN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