# 低WER

Whosper-large-v2是一款專為塞內加爾主要語言沃洛夫語設計的尖端語音識別模型，基於OpenAI的Whisper-large-v2構建，顯著提升了詞錯誤率（WER）和字符錯誤率（CER）。

基於Whisper架構優化的印地語-印地英語混合語音識別模型，專為印度口音和噪聲環境優化

針對越南語語音識別任務優化的Whisper-medium模型，在1308小時越南語數據上微調

Parakeet CTC 0.6B是由NVIDIA NeMo和Suno.ai聯合開發的自動語音識別模型，基於FastConformer架構，擁有約6億參數，支持英語語音轉錄。

Parakeet RNNT 0.6B 是由 NVIDIA NeMo 和 Suno.ai 聯合開發的自動語音識別模型，基於 FastConformer 架構，擁有約 6 億參數，專門用於將英語語音轉錄為文本。

Parakeet CTC 1.1B是由NVIDIA NeMo和Suno.ai聯合開發的自動語音識別模型，基於FastConformer架構，擁有約11億參數，支持英語語音轉錄。

基於OpenAI Whisper-large-v3微調的法語自動語音識別模型，支持大小寫、標點符號和數字預測

基於CommonVoice阿拉伯語數據集微調的Whisper medium語音識別模型，由SpeechBrain團隊開發

NVIDIA FastConformer-Transducer 是一個用於英語自動語音識別(ASR)的高性能模型，採用優化的FastConformer架構和Transducer解碼器，參數規模約6.18億。

NVIDIA FastConformer-CTC XLarge是一個約6億參數的自動語音識別(ASR)模型，專為英語語音轉錄設計，採用FastConformer架構和CTC損失訓練。

基於openai/whisper-small微調的法語自動語音識別模型，訓練數據為Common Voice 11.0法語數據集，支持大小寫和標點符號預測。

基於wav2vec2架構的越南語自動語音識別模型，預訓練於13,000小時未標註YouTube音頻，並在250小時標註數據上微調。

這是一個用於盧旺達語語音識別的Conformer-Transducer大型模型，能將語音轉錄為小寫拉丁字母，支持空格和撇號。

這是一個用於西班牙語自動語音識別的大型康福默-傳感器模型，約1.2億參數，在1340小時西班牙語語音數據上訓練。

這是一個用於德語自動語音識別的大型Conformer-Transducer模型，具有約1.2億參數，支持將德語語音轉錄為文本。

這是一個用於德語自動語音識別的大規模Conformer-CTC模型，由NVIDIA訓練並在數千小時的德語語音數據上進行優化。

基於facebook/wav2vec2-large-xlsr-53在中文AISHELL-1數據集上微調的語音識別模型，支持中文語音識別任務。

這是一個基於Facebook的wav2vec2-large-xlsr-53模型在德語Common Voice 9.0數據集上微調的自動語音識別(ASR)模型。

基於Wav2vec2的越南語語音識別模型，在160小時越南語語音數據上微調

基於NST數據集微調的丹麥語語音識別模型，支持16kHz採樣率音頻輸入

這是一個針對巴西葡萄牙語微調的 Wav2vec 2.0 模型，使用了多個開放巴西葡萄牙語數據集進行訓練，包括 Common Voice、MLS、CETUC 等。

基於巴西葡萄牙語數據集微調的Wav2vec 2.0語音識別模型，支持巴西葡萄牙語自動語音識別任務。

基於CommonVoice法語數據集訓練的wav2vec 2.0語音識別模型，使用CTC/Attention架構，無需語言模型

這是一個基於facebook/wav2vec2-large-xlsr-53模型在土耳其語Common Voice數據集上微調的自動語音識別模型，測試WER為21.13%。

針對巴西葡萄牙語優化的語音識別模型，使用7個公開數據集共453小時語音訓練

這是一個針對巴西葡萄牙語微調的Wav2vec 2.0模型，使用了多個巴西葡萄牙語數據集進行訓練，在Common Voice測試集上WER為13.6。

這是一個基於Facebook的wav2vec2-large-xlsr-53模型微調的世界語(Esperanto)語音識別模型，使用Common Voice數據集訓練。

這是一個針對巴西葡萄牙語優化的Wav2vec2模型，基於多個開放數據集訓練，用於自動語音識別任務。

基於Facebook的wav2vec2-large-xlsr-53模型，在西班牙語Common Voice數據集上微調的語音識別模型，測試WER為10.50%。

基於facebook/wav2vec2-large-xlsr-53微調的巽他語語音識別模型，訓練數據來自OpenSLR高質量TTS數據集

基於facebook/wav2vec2-large-xlsr-53模型，使用Common Voice數據集對世界語進行微調的語音識別模型。

該模型是基於facebook/wav2vec2-base-960h在TED-LIUM數據集上微調的語音識別模型，在評估集上達到20.33%的詞錯誤率。

基於facebook/wav2vec2-large-xlsr-53微調的日語語音識別模型，支持平假名輸出

該模型是基於facebook/wav2vec2-xls-r-300m在加利西亞語數據集上微調的自動語音識別模型，在Common Voice 8.0測試集上取得了11.31%的WER。

這是一個基於XLS-R架構的自動語音識別模型，專門針對荷蘭語和佛蘭芒語優化，結合了5-gram語言模型以提高識別準確率。