AIbase
TW
模型選型
標籤
多場景語音識別

# 多場景語音識別

Parakeet Tdt 0.6b V2
基於 NVIDIA Parakeet TDT 0.6B v2 轉換的 MLX 格式自動語音識別模型，支持高效語音轉文本任務。
語音識別
P
mlx-community
24.49k
13
Parakeet Tdt 0.6b V2
擁有6億參數的自動語音識別模型，支持英文轉錄、標點符號、大小寫和時間戳預測
語音識別 英語
P
nvidia
242.71k
957
Whisper Medium Oswald
Apache-2.0
基於OpenAI Whisper-medium微調的海地克里奧爾語語音識別模型，專注高準確率轉錄
語音識別 Transformers 其他
W
jsbeaudry
102
1
Whisper Small Slovenian
Apache-2.0
該模型是基於openai/whisper-small在斯洛文尼亞語ASR數據庫ARTUR 1.0上微調的語音識別模型，支持斯洛文尼亞語語音轉文字任務。
語音識別 Transformers 其他
W
samolego
24
3
Wav2vec2 Large Xls R 300m Sr V4
Apache-2.0
基於facebook/wav2vec2-xls-r-300m在塞爾維亞語(sr)數據集上微調的自動語音識別模型
語音識別 Transformers 其他
W
DrishtiSharma
28
0
Wav2vec2 Xls R 1b Japanese Hiragana Katakana
Apache-2.0
這是一個基於Common Voice 8.0數據集訓練的日語自動語音識別(ASR)模型，支持日語語音轉文本任務。
語音識別 Transformers 日語
W
AndrewMcDowell
17
3
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase