# 德語語音識別

基於OpenAI的whisper-medium模型在Common Voice 11.0德語數據集上微調的自動語音識別模型

基於Whisper Large v3 Turbo優化的德語語音識別模型，在13小時精選數據集上微調，顯著提升德語識別準確率

基於 Whisper Large v3 的德語語音識別模型，專為德語語音處理和識別優化

基於 Whisper Large v3 的德語語音識別微調模型，專門針對德語語音處理和識別進行了優化。

基於distil-whisper技術的德語語音識別模型，參數量7.56億，在保持高質量的同時實現更快的推理速度。

基於whisper-tiny的德語語音識別模型，參數量為3780萬，適用於對模型體積敏感的邊緣場景。

基於Whisper Large v3的德語語音識別微調模型，針對德語語音處理和識別進行了優化

這是一個基於FastConformer架構的德語自動語音識別模型，採用轉換器和CTC混合訓練方式，參數規模約115M。

基於openai/whisper-large-v2在Common Voice 11.0德語數據集上微調的自動語音識別模型，支持德語語音轉文字，詞錯誤率5.76

基於openai/whisper-small在Common Voice 11.0德語數據集上微調的語音識別模型，支持德語語音轉文字並預測大小寫和標點符號。

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。

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。

這是一個德語語音識別模型，採用wav2vec 2.0 XLS-R 1B架構並引入TEVR（標記熵方差降低）技術，結合5-gram語言模型，在Common Voice德語測試集上取得了3.64%的詞錯誤率。

基於jonatasgrosman/wav2vec2-large-xlsr-53-german微調的德語語音識別模型

基於facebook/wav2vec2-xls-r-300m在Common Voice德語數據集上微調的語音識別模型，集成n-gram語言模型，詞錯誤率8.8%

該模型是基於facebook/wav2vec2-xls-r-100m在多語言LibriSpeech德語數據集上微調的自動語音識別模型

該模型是基於facebook/wav2vec2-xls-r-300m在MULTILINGUAL_LIBRISPEECH - 德語10小時數據集上微調的版本，用於德語語音識別任務。

基於facebook/wav2vec2-xls-r-1b在Common Voice 8德語數據集上微調的自動語音識別模型

該模型是基於flozi00/wav2vec-xlsr-german微調的德語語音識別模型，主要用於德語語音轉文本任務。

這是一個針對德語語音識別任務微調的XLSR-53大模型，基於Facebook的wav2vec2-large-xlsr-53模型，在Common Voice 6.1德語數據集上進行了微調。

基於Facebook的Wav2Vec2架構的大規模德語自動語音識別(ASR)模型，在Common Voice德語數據集上微調

這是一個基於MOZILLA-FOUNDATION/COMMON_VOICE_7_0德語數據集訓練的自動語音識別編碼器-解碼器模型，結合了Wav2Vec2和GPT2架構的優勢。

這是一個基於XLSR Wav2Vec2架構的德語自動語音識別模型，帶有語言模型支持，在Common Voice德語數據集上表現出色。

基於Facebook Wav2Vec2基礎模型，在VoxPopuli語料庫10K無標註子集上預訓練，並在德語轉錄數據上微調的語音識別模型

基於Facebook的wav2vec2-xls-r-300m模型，在Common Voice德語數據集上微調，支持德語語音識別並保留文本大小寫信息。

基於Facebook Wav2Vec2架構的德語語音預訓練模型，使用VoxPopuli語料庫中的23.2k未標註德語數據進行預訓練。

基於facebook/wav2vec2-large-xlsr-53在德語通用語音數據集上微調的語音識別模型，詞錯誤率29.35%

該模型是基於flozi00/wav2vec-xlsr-german微調的德語語音識別模型，在評估集上詞錯誤率為1.0。

這是一個基於XLSR Wav2Vec2架構的德語自動語音識別模型，在通用語音德語數據集上進行了微調。

基於Facebook的wav2vec2-large-xlsr-53模型，使用Common Voice德語數據集微調的自動語音識別(ASR)模型

基於facebook/wav2vec2-xls-r-100m模型在MULTILINGUAL_LIBRISPEECH - GERMAN數據集上微調的德語自動語音識別模型

基於flozi00/wav2vec-xlsr-german微調的德語語音識別模型

這是一個基於XLS-R 1B架構的德語自動語音識別模型，在Common Voice 8.0等多個德語語音數據集上進行了微調

基於facebook/wav2vec2-large-xlsr-53在Common Voice德語數據集上微調的自動語音識別模型，測試WER為15.80%。

基於wav2vec-large-xlsr-53框架微調的德語語音識別模型，在CommonVoice德語測試集上達到11.26%詞錯誤率

該模型是基於facebook/wav2vec2-xls-r-1b在MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - 德語數據集上微調的版本，用於德語自動語音識別任務。

該模型是基於facebook/wav2vec2-xls-r-300m在MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - DE數據集上微調的德語自動語音識別模型。