W

Wav2vec2 Base 960h Finetuned Common Voice3

由obokkkk開發
基於facebook/wav2vec2-base-960h微調的語音識別模型,適用於通用語音識別任務
下載量 20
發布時間 : 4/28/2022

模型概述

該模型是基於wav2vec2-base-960h在Common Voice數據集上微調的版本,主要用於自動語音識別(ASR)任務。

模型特點

基於wav2vec2架構
採用先進的wav2vec2架構,提供高質量的語音識別能力
在Common Voice數據集上微調
模型在Common Voice數據集上進行了微調,提升了識別準確率
支持大規模訓練
訓練過程中使用了1024的總批次大小,確保模型充分學習數據特徵

模型能力

語音識別
音頻轉文本

使用案例

語音轉錄
會議記錄
將會議錄音自動轉換為文字記錄
字幕生成
為視頻內容自動生成字幕
語音助手
語音指令識別
識別並處理用戶的語音指令
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase