# 低字符錯誤率

基於microsoft/Phi-4-multimodal-instruct微調的韓語自動語音識別(ASR)和語音翻譯(AST)模型，在zeroth-korean和fleurs數據集上表現優異。

基於Whisper v3微調的粵語自動語音識別模型，在Common Voice 17數據集上訓練

基於wav2vec 2.0 Large架構，在大型日語ASR語料庫ReazonSpeech v2.0上微調而成的日語自動語音識別模型

基於mHuBERT-147基礎模型訓練的烏克蘭語自動語音識別模型，支持烏克蘭語語音轉文本任務。

基於微軟trocr-base-handwritten微調的手寫體OCR模型，在評估集上字符錯誤率(CER)為0.0360

基於microsoft/trocr-base-printed微調的OCR模型，專門用於車牌文本識別

基於microsoft/trocr-base-printed微調的驗證碼OCR模型，用於從圖像驗證碼中提取文本。

基於OpenAI的whisper-large-v2模型在蒙古語數據集上微調的語音識別模型，支持蒙古語自動語音識別任務。

基於facebook/wav2vec2-xls-r-300m微調的芬蘭語自動語音識別模型，使用275.6小時芬蘭語標註數據訓練，支持與KenLM語言模型配合使用。

基於facebook/wav2vec2-large-xlsr-53模型，使用Common Voice語料庫8.0版對粵語進行微調的語音識別模型

基於XLS-R 10億參數模型微調的意大利語語音識別模型，支持帶語言模型的識別

該模型是基於facebook/wav2vec2-xls-r-300m在COMMON_VOICE - ES數據集上微調的西班牙語自動語音識別模型。

基於Facebook的wav2vec2-xls-r-1b模型針對芬蘭語自動語音識別(ASR)進行微調的版本，使用259.57小時芬蘭語標註語音數據訓練

基於facebook/wav2vec2-xls-r-1b在Common Voice印尼語數據集上微調的自動語音識別模型

針對波蘭語優化的XLSR-53大模型語音識別系統，基於facebook/wav2vec2-large-xlsr-53微調，支持波蘭語自動語音識別

基於facebook/wav2vec2-xls-r-1b在Common Voice 7和Libri Speech數據集上微調的意大利語自動語音識別模型

基於facebook/wav2vec2-large-xlsr-53模型微調的芬蘭語自動語音識別模型，支持16kHz採樣率的語音輸入

這是一個針對匈牙利語語音識別任務微調的XLSR-53大模型，基於Common Voice和CSS10數據集訓練。

基於facebook/wav2vec2-large-xlsr-53模型微調的俄語語音識別模型，支持16kHz採樣率的語音輸入

針對波斯語優化的XLSR-53大模型語音識別系統，基於facebook/wav2vec2-large-xlsr-53架構微調

基於facebook/wav2vec2-xls-r-300m模型在亞美尼亞語數據集上微調的自動語音識別(ASR)模型，支持亞美尼亞語語音轉文字任務。

基於facebook/wav2vec2-large-xlsr-53模型微調的希臘語語音識別模型，支持16kHz採樣率的語音輸入。

基於facebook/wav2vec2-large-xlsr-53模型，使用通用語音數據集對愛沙尼亞語進行微調的自動語音識別模型

這是一個基於facebook/wav2vec2-xls-r-300m模型在保加利亞語語音數據集上微調的自動語音識別(ASR)模型。

XLS-R-300M 是一個基於自動語音識別（ASR）的模型，專門針對荷蘭語優化，在 Common Voice 8 荷蘭語數據集上訓練。

基於XLSR-300M架構的新挪威語自動語音識別模型，在NPSC數據集上訓練，具有較低的詞錯誤率和字符錯誤率。

這是一個基於XLS-R架構的300M參數自動語音識別(ASR)模型，專門針對荷蘭語優化，在Common Voice 8.0數據集上訓練。