# 多語言語音識別

Whisper是一個預訓練的自動語音識別(ASR)和語音翻譯模型，通過68萬小時標註數據訓練，具有強大的泛化能力。

Whisper是OpenAI開發的最先進的自動語音識別(ASR)和語音翻譯模型，在超過500萬小時的標記數據上訓練，具有強大的零樣本泛化能力。Turbo版本是原版的修剪微調版本，解碼層從32層減少到4層，速度大幅提升但質量略有下降。

Whisper是OpenAI開發的最先進的自動語音識別(ASR)和語音翻譯模型，支持多種語言

基於Whisper-base微調的多語言語音識別模型，支持國際音標(IPA)輸出

Quantum_STT 是一種先進的自動語音識別（ASR）和語音翻譯模型，基於大規模弱監督訓練，支持多種語言和任務。

Whisper large-v3-turbo 是基於 Whisper large-v3 的剪枝微調版本，解碼層數從32減少到4，速度大幅提升但質量略有下降。

NVIDIA NeMo Canary Flash 是一個多語言多任務語音模型，支持英語、德語、法語和西班牙語的自動語音識別和翻譯任務。

NVIDIA NeMo Canary Flash 是一個多語言多任務模型家族，在多個語音基準測試中實現了最先進的性能。支持四種語言的自動語音識別和翻譯任務。

這是openai/whisper-large-v3的量化版本，採用INT4權重量化和FP16激活量化，適用於vLLM推理。

OWLS是一套Whisper風格的模型，旨在幫助研究人員理解語音模型的擴展特性，支持多語言語音識別和翻譯。

這是OpenAI Whisper-large-v3-turbo模型的CTranslate2轉換版本，採用INT8量化技術，主要用於高效語音識別任務。

基於自監督學習的預訓練Conformer編碼器模型，支持印度22種預定語言的自動語音識別任務。

這是一個多語言蒸餾版的Whisper模型，具有2個解碼器層，支持4種歐洲語言：英語、法語、西班牙語和德語。

一個多語言蒸餾版Whisper模型，支持7種歐洲語言的自動語音識別，具有語碼轉換能力

該模型是基於openai/whisper-large-v3微調的語音克隆模型，主要用於語音識別任務，在評估集上詞錯誤率為15.3572。

Whisper large-v3-turbo是OpenAI Whisper large-v3的蒸餾版本，解碼層從32層減少到4層，速度大幅提升但質量略有下降。

這是將Whisper large-v3 turbo模型轉換為CTranslate2格式的版本，用於高效的自動語音識別任務。

Whisper是由OpenAI開發的最先進的自動語音識別(ASR)和語音翻譯模型，經過超過500萬小時標記數據的訓練，在零樣本設置下展現出強大的泛化能力。

Whisper是一個基於Transformer的編碼器-解碼器模型，用於語音識別和翻譯任務，支持多語言處理。

Whisper 是一個多語言自動語音識別（ASR）系統，支持多種語言的語音轉文本任務。

基於Whisper-small微調的多語言語音分類模型，支持烏茲別克語、英語和俄語的語音識別與分類。

OWSM-CTC是一個基於分層多任務自條件CTC的純編碼器語音基礎模型，支持多語言語音識別、語音翻譯和語言識別。

這是OpenAI Whisper large-v3模型的CTranslate2轉換版本，專門針對日語進行了4000步的額外訓練，支持多種語言的語音識別。

基於OpenAI Whisper large-v3的日語優化版本，支持多語言語音識別

Canary-1B是NVIDIA NeMo開發的多語言多任務模型，支持英語、德語、法語和西班牙語的自動語音識別和語音翻譯任務。

基於OpenAI Whisper Large V3模型在Common Voice 16.0數據集上微調的語音識別模型

基於whisper-small模型改進的多語言自動語音識別模型，通過CLSR模塊和知識蒸餾提升目標語言性能

基於OpenAI Whisper微型模型的CTranslate2轉換版本，用於高效語音識別

這是OpenAI Whisper基礎模型的CTranslate2轉換版本，用於高效語音識別任務。

這是OpenAI Whisper中等模型的CTranslate2轉換版本，用於高效語音識別任務。

Whisper large-v3是OpenAI開發的大規模多語言自動語音識別(ASR)模型，支持多種語言的語音轉文字任務。

Whisper是由OpenAI提出的先進自動語音識別(ASR)和語音翻譯模型，在超過500萬小時的標註數據上訓練，具有強大的跨數據集和跨領域泛化能力。

基於VoxLingua107數據集訓練的ECAPA-TDNN架構口語識別模型，支持107種語言分類

MMS-1B-FL102是Facebook大規模多語言語音項目的一部分，是一個支持102種語言的自動語音識別模型，基於10億參數的Wav2Vec2架構，通過適配器技術實現多語言轉錄。

Facebook大規模多語言語音項目的一部分，支持1162種語言的自動語音識別

這是OpenAI Whisper large-v1模型的CTranslate2轉換版本，用於高效語音識別任務

這是OpenAI Whisper large-v2模型的CTranslate2轉換版本，用於高效語音識別

本項目將openai/whisper-medium模型轉換為CTranslate2模型格式，可用於高效語音識別。

基於Transformer架構的自動語音識別(ASR)模型，支持多語言轉錄

Whisper基礎模型是OpenAI開發的自動語音識別(ASR)模型，支持多種語言的語音轉文字任務。