Cat Dog Sounds Classification
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
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98