# 端到端ASR

NVIDIA Parakeet TDT 0.6B V2 是一個基於自動語音識別（ASR）任務的模型，適用於英語語音轉文本任務。

Nue ASR是一種端到端的日語語音識別模型，集成了預訓練的語音和語言模型，識別準確度高且速度快。

這是一個基於CommonVoice西班牙語數據集訓練的端到端自動語音識別系統，使用wav2vec 2.0預訓練模型結合CTC解碼器。

基於CommonVoice阿拉伯語數據集微調的Whisper medium語音識別模型，由SpeechBrain團隊開發

基於CommonVoice-14.0波斯語數據集微調的whisper medium模型，用於波斯語自動語音識別任務。

基於Whisper Large V2模型的日語自動語音識別(ASR)模型，使用CTranslate2優化轉換，支持高效推理。

基於SpeechBrain框架的自動語音識別模型，使用Conformer編碼器和Transformer解碼器，在LibriSpeech數據集上訓練，支持英語語音識別。

這是一個基於whisper-large-v2架構的自動語音識別模型，專門針對波斯語在CommonVoice數據集上進行了微調。

適用於西班牙語自動語音識別的聲學模型，基於facebook/wav2vec2-large-xlsr-53微調5個週期，使用約944小時西班牙語數據。

Whisper是一個預訓練的自動語音識別(ASR)模型，在68萬小時標註數據上訓練，具有強大的泛化能力。

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

Icefall 是一個基於 k2 框架的自動語音識別（ASR）工具包，專注於高效和靈活的語音識別模型訓練與推理。

這是一個針對沃洛夫語的自動語音識別模型，基於wav2vec 2.0架構，在DVoice數據集上訓練，支持沃洛夫語語音轉錄。

這是一個針對阿姆哈拉語的自動語音識別模型，使用wav2vec 2.0架構和CTC/Attention機制訓練

基於facebook/wav2vec2-large-xlsr-53模型在common_voice土耳其語數據集上微調的語音識別模型

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

基於timit_asr數據集對ascend模型進行微調的英語語音識別模型

基於facebook/wav2vec2-base在TIMIT數據集上微調的語音識別模型，詞錯誤率(WER)為0.3382

這是一個基於facebook/wav2vec2-large-xlsr-53模型在吉爾吉斯語通用語音數據集上微調的自動語音識別模型。

基於TIMIT_ASR數據集對wav2vec2-base-random模型進行微調的自動語音識別模型

基於facebook/wav2vec2-xls-r-300m在Common Voice 8數據集上微調的自動語音識別模型，支持巴斯克語(bas)。

這是一個基於Facebook的wav2vec2-large-xlsr-53模型在土耳其語Common Voice數據集上微調的自動語音識別(ASR)模型。

這是一個基於facebook/wav2vec2-large-xlsr-53在蒙古語通用語音數據集上微調的自動語音識別模型

基於facebook/wav2vec2-xls-r-300m在通用語音數據集上微調的印地語語音識別模型

基於LibriSpeech 100小時數據訓練的Wav2Vec2基礎版語音識別模型

基於SpeechBrain框架預訓練的AISHELL（普通話）端到端自動語音識別系統，採用Transformer編碼器+聯合解碼器結構

基於facebook/wav2vec2-large-xlsr-53模型，使用Common Voice數據集對立陶宛語進行微調的自動語音識別模型。

基於CommonVoice法語數據集訓練的wav2vec 2.0語音識別模型，使用CTC/Attention架構，無需語言模型

基於facebook/wav2vec2-xls-r-300m在馬拉地語數據集上微調的自動語音識別模型

這是一個基於CommonVoice英語數據集訓練的端到端自動語音識別系統，結合了wav2vec 2.0預訓練模型和CTC解碼器。

基於facebook/wav2vec2-large-xlsr-53在泰語通用語音數據集上微調的語音識別模型

基於LibriSpeech數據集訓練的自動語音識別(ASR)模型，用於將英語語音轉換為文本

這是一個基於CommonVoice法語數據集訓練的端到端自動語音識別系統，採用CRDNN架構結合CTC和注意力機制。

基於wav2vec2架構的土耳其語自動語音識別模型，在Common Voice 7.0土耳其語數據集上微調

基於wav2vec 2.0架構的越南語自動語音識別模型，在13,000小時未標註音頻和250小時標註數據上訓練

這是一個基於facebook/wav2vec2-large-xlsr-53模型微調的愛沙尼亞語自動語音識別(ASR)模型，使用Common Voice數據集進行訓練。