Wav2vec Osr
The Sound Of AIオープンソース研究グループの音声からテキストへのモジュール用にファインチューニングされたFacebookのwav2vec2モデル
Downloads 22
Release Time : 3/2/2022
Model Overview
wav2vec2ベースの音声認識モデルで、音声をテキストに変換することをサポートします。オリジナルモデルはLibrispeechの960時間の音声データで事前学習とファインチューニングが行われ、16kHzサンプリングの音声入力に適しています。
Model Features
効率的な音声認識
限られたラベル付きデータでも高品質な音声認識を実現
事前学習とファインチューニングの組み合わせ
まず大量のラベルなし音声データで事前学習し、その後ラベル付きデータでファインチューニング
対照学習
潜在空間マスキングと対照タスクを使用して音声表現を学習
Model Capabilities
音声からテキストへ
英語音声認識
Use Cases
音声文字起こし
会議議事録
会議の録音を自動的に文字起こし
音声メモ
音声メモを検索可能なテキストに変換
支援技術
聴覚支援
聴覚障害者向けにリアルタイムで音声を文字に変換するサービスを提供
Featured Recommended AI Models
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 Supports Multiple Languages

L
scb10x
3,269
16
Cadet Tiny
Openrail
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 English

C
ToddGoldfarb
2,691
6
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 Chinese
R
uer
2,694
98