R

Reazonspeech Nemo V2

由reazon-research開發
基於ReazonSpeech v2.0語料庫訓練的日語自動語音識別模型,支持長音頻推理
下載量 3,897
發布時間 : 1/30/2024

模型概述

該模型是一個針對日語優化的自動語音識別系統,能夠處理長達數小時的連續語音輸入。

模型特點

長音頻處理能力
支持對長達數小時的日語長音頻片段進行連續識別
高效注意力機制
採用Longformer注意力機制,局部上下文大小256,包含全局標記
優化訓練
使用AdamW優化器和Noam退火計劃訓練100萬步

模型能力

日語語音識別
長音頻處理
連續語音轉寫

使用案例

語音轉寫
會議記錄自動生成
將長時間商務會議錄音自動轉為文字記錄
媒體內容字幕生成
為日語播客、視頻等內容自動生成字幕
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase