C

Cat Dog Sounds Classification

由dima806開發
基於wav2vec 2.0架構的語音識別基礎模型,在960小時的英語語音數據上預訓練
下載量 25
發布時間 : 8/26/2023

模型概述

該模型是一個自動語音識別(ASR)模型,能夠將英語語音轉換為文本。基於Transformer架構,適用於通用語音識別任務。

模型特點

端到端語音識別
直接從原始音頻波形學習,無需人工設計的特徵提取
自監督預訓練
利用大量無標註語音數據進行預訓練,提高模型泛化能力
高效Transformer架構
採用改進的Transformer結構,優化語音序列處理效率

模型能力

英語語音識別
語音轉文本
連續語音識別

使用案例

語音轉錄
會議記錄自動化
自動將會議錄音轉換為文字記錄
字幕生成
為視頻內容自動生成英文字幕
語音助手
語音命令識別
用於智能家居設備的語音控制
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase