# 低CER

Whisper-mediumをファインチューニングした潮州語（潮汕語）正字認識モデルで、多方言アクセントの正字転写をサポート

TrOCRベースの手書き文字モデルをファインチューニングしたタイ語と英語の光学文字認識モデルで、手書きテキスト行画像の処理に優れています

このモデルは、表セルのテキスト行画像から手書きテキストを認識するために使用され、特に1930年代のフィンランドの死亡記録や国勢調査記録の手書きテキスト認識に適しています。

Wav2Vec2-Baseアーキテクチャに基づく自動音声認識モデルで、音素認識に特化しており、LJSpeech Phonemesデータセットでファインチューニングされています

金融分野に特化した画像からテキストへの変換モデルで、英文テキスト認識をサポートし、主に金融文書の画像内容を処理します。

ベトナム語音声認識に特化したモデルで、高精度な音声からテキストへの変換機能をサポートします。

microsoft/trocr-base-printedをファインチューニングした印刷テキスト認識モデルで、主にCAPTCHA認識タスクに使用されます

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。

Transformerベースのフランス語活字OCRモデル、TrOCRモデルのフランス語版の空白を埋める

Wav2Vec2アーキテクチャに基づく音素認識モデルで、LJSpeech Phonemesデータセットでファインチューニングされ、音声を音素シーケンスに変換するために使用されます

OpenAI Whisper-smallをファインチューニングした広東語音声認識モデル、Common Voice 16.0テストセットでCER7.93を達成

これは標準中国語音声を転写するための大規模なConformer-Transducerモデルで、約1.2億のパラメータを持ち、AISHELL-2データセットでトレーニングされました。

これは中国語普通話の自動音声認識(ASR)用の非自己回帰Citrinetモデルで、約1.4億のパラメータを持ち、文字エンコーディングスキームとCTC損失/デコードを採用しています。

facebook/wav2vec2-xls-r-1bモデルを基に、ノルウェー書面語（ブークモール）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モデル

facebook/wav2vec2-large-xlsr-53をベースに中国語(zh-CN)でCommon Voiceデータセットを使用してファインチューニングした音声認識モデル

facebook/wav2vec2-xls-r-300mをベースにCommon Voice 8.0チェコ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

このモデルはfacebook/wav2vec2-xls-r-1bをルーマニア語のCommon Voice 7.0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です。

これはwav2vec2-large-xlsr-53モデルをベースに、タイ語Common Voice 7.0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)モデルです。

facebook/wav2vec2-xls-r-300mをファインチューニングしたベンガル語自動音声認識モデル、OPENSLR_SLR53データセットでトレーニング

facebook/wav2vec2-xls-r-300mをファインチューニングしたエストニア語自動音声認識モデルで、約800時間の多様なデータでトレーニング

これはfacebook/wav2vec2-xls-r-300mをベースに、スロベニア語(Common Voice 8.0)データセットで微調整された自動音声認識(ASR)モデルです。

facebook/wav2vec2-xls-r-300mをブルガリア語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

これは、facebook/wav2vec2-xls-r-1bをベースに、MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - FRデータセットで微調整されたフランス語自動音声認識モデルです。