AIbase
EN
Home
Cat Dog Sounds Classification
C

Cat Dog Sounds Classification

Developed by dima806
wav2vec 2.0アーキテクチャに基づく音声認識の基本モデルで、960時間の英語音声データで事前学習済み
音声分類
Transformers
Open Source License:Apache-2.0#音声分類#ペットの音声認識#wav2vec2-base
Downloads 25
Release Time : 8/26/2023

Model Overview

このモデルは自動音声認識(ASR)モデルで、英語音声をテキストに変換できます。Transformerアーキテクチャに基づいており、汎用的な音声認識タスクに適しています。

Model Features

エンドツーエンド音声認識
生の音声波形から直接学習し、人手による特徴抽出が不要
自己教師あり事前学習
大量のラベルなし音声データを活用した事前学習で、モデルの汎化性能を向上
効率的なTransformerアーキテクチャ
改良されたTransformer構造を採用し、音声シーケンス処理の効率を最適化

Model Capabilities

英語音声認識
音声からテキストへの変換
連続音声認識

Use Cases

音声文字起こし
会議議録の自動化
会議の録音を自動的に文字記録に変換
字幕生成
動画コンテンツに自動的に英語字幕を生成
音声アシスタント
音声コマンド認識
スマートホームデバイスの音声制御に使用
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
AIbase
Empowering the Future, Your AI Solution Knowledge Base
English简体中文繁體中文にほんご
© 2025AIbase