# 多場景語音轉寫

基於OpenAI Whisper-tiny微調的波斯語自動語音識別模型，在common_voice_11_0數據集上訓練

基於Whisper-large-v3-turbo微調的西班牙語語音識別模型，在Common Voice 17.0西班牙語數據集上詞錯誤率降低至5.34%

基於OpenAI Whisper-large-v3模型在Common Voice 17.0土耳其語數據集上微調的語音識別模型

基於OpenAI Whisper-small模型在僧伽羅語上進行微調的語音識別模型

基於約800小時多樣化愛沙尼亞語數據微調的Whisper-medium模型，適用於通用語音識別場景

基於OpenAI Whisper Medium微調的土耳其語語音識別模型，在Common Voice 11.0數據集上訓練

這是基於OpenAI Whisper Large-V2模型在塞爾維亞語Common Voice 11.0數據集上微調的語音識別模型，詞錯誤率為10.76%。

基於facebook/hubert-large-ll60k模型微調的波斯語自動語音識別模型，使用Common Voice 7.0波斯語數據集訓練。

這是一個基於facebook/wav2vec2-large-nl-voxpopuli模型微調的瑞典語自動語音識別模型，使用Common Voice 7.0 (sv-SE)數據集進行訓練。

該模型是基於facebook/wav2vec2-xls-r-300m在common_voice_9_0數據集上微調的語音識別模型，支持葡萄牙語語音轉文本任務。

該模型是基於facebook/wav2vec2-xls-r-300m在通用語音數據集上微調的土耳其語語音識別模型

基於facebook/wav2vec2-xls-r-300m的烏克蘭語自動語音識別模型，在Common Voice 10.0數據集上訓練

該模型是基於facebook/wav2vec2-xls-r-300m在common_voice數據集上微調的土耳其語語音識別模型

該模型是基於facebook/wav2vec2-xls-r-300m在通用語音數據集上微調的俄語語音識別模型，在評估集上取得了0.468的詞錯誤率。

Facebook開發的基於Wav2Vec 2.0架構的荷蘭語自動語音識別(ASR)模型，採用XLSR-53多語言預訓練模型微調

基於wav2vec2-large-xls-r-300m架構的烏爾都語語音識別模型，在common_voice數據集上微調

這是一個基於facebook/wav2vec2-xls-r-1b模型在愛沙尼亞語數據集上微調的自動語音識別模型。

基於VoxPopuli語料庫荷蘭語子集預訓練的自動語音識別模型

基於facebook/wav2vec2-xls-r-300m在Common Voice 8烏爾都語數據集上微調的語音識別模型

Facebook開發的基於Wav2Vec 2.0架構的大規模葡萄牙語自動語音識別(ASR)模型，支持葡萄牙語語音轉文本任務。

基於VoxPopuli語料庫瑞典語子集預訓練的Wav2Vec2基礎模型，適用於瑞典語語音識別任務。

基於facebook/wav2vec2-xls-r-300m在巴斯克語Common Voice數據集上微調的自動語音識別模型

該模型是基於facebook/wav2vec2-large-xlsr-53在COMMON_VOICE SV-SE數據集上微調的自動語音識別(ASR)模型，支持瑞典語語音識別。

基於VoxPopuli意大利語無標註數據預訓練的Wav2Vec2基礎模型，適用於語音識別任務。

這是一個基於facebook/wav2vec2-xls-r-300m模型在common_voice西班牙語數據集上微調的語音識別模型，在評估集上取得了21.17%的詞錯誤率。

基於通用語音波斯語數據微調的XLS-R-300m語音識別模型

基於facebook/wav2vec2-xls-r-300m在common_voice土耳其語數據集上微調的語音識別模型

該模型是基於facebook/wav2vec2-xls-r-1b在格魯吉亞語數據集上微調的自動語音識別模型

這是一個基於facebook/wav2vec2-xls-r-300m模型在烏克蘭語數據集上微調的自動語音識別(ASR)模型，在Common Voice烏克蘭語測試集上取得了12.22%的詞錯誤率(WER)。

這是一個基於Common Voice 8.0土耳其語數據集微調的自動語音識別(ASR)模型，能夠將土耳其語語音轉換為文本。

這是一個基於facebook/wav2vec2-xls-r-300m在拉脫維亞語數據集上微調的自動語音識別模型，在Common Voice 7測試集上取得了16.98%的WER。

基於facebook/wav2vec2-xls-r-300m在MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - BG數據集上微調的保加利亞語語音識別模型

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

該模型是基於KBLab/wav2vec2-large-voxrex在NBAILAB/NPSC - 48K_MP3數據集上微調的自動語音識別模型

這是一個基於facebook/wav2vec2-xls-r-300m在旁遮普語(印度)數據集上微調的自動語音識別模型

這是一個基於wav2vec2-large-xlsr-53模型微調的弗里斯蘭語自動語音識別(ASR)模型，由RuudVelo開發。

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。

基於facebook/wav2vec2-xls-r-300m在阿薩姆語(Common Voice 8.0)數據集上微調的自動語音識別模型

這是一個基於Facebook的wav2vec2-xls-r-300m模型在土耳其語Common Voice 8數據集上微調的自動語音識別(ASR)模型。

這是一個基於facebook/wav2vec2-xls-r-300m在上索布語(HSB)數據集上微調的自動語音識別模型，在Common Voice 8測試集上取得了0.4393的詞錯誤率(WER)。