# 端到端語音處理

基於Llama-3.1-8B-Instruct的多語言音頻文本轉文本模型，支持40多種語言處理

Speechless是一款緊湊的開源文本轉語義模型（10億參數），旨在直接將音頻轉換為離散的語義表徵標記，無需依賴傳統的文本轉語音（TTS）模型。

無言是一個緊湊的開源文本到語義模型（10億參數），旨在直接將音頻轉換為離散的語義標記，無需依賴傳統的文本轉語音（TTS）模型。

基於Facebook的wav2vec2模型微調的尼泊爾語語音識別模型

這是一個基於wav2vec架構的語音處理測試模型，具體用途和訓練數據未明確說明。

一個基於Transformer的端到端語音翻譯模型，專門用於法語到英語的語音翻譯任務。

該模型是基於facebook/wav2vec2-base微調的波斯語語音識別模型，適用於波斯語語音轉文本任務。

這是一個基於Wav2Vec2架構的尼泊爾語語音識別模型，支持將尼泊爾語語音轉換為文本。

Facebook的Wav2Vec2 XLS-R模型，用於多語言語音到英語的翻譯任務

基於Wav2Vec 2.0架構的音頻分類模型，專門用於音樂流派識別

這是一個基於Wav2Vec2架構的烏爾都語語音識別模型，能夠將烏爾都語語音轉換為文本。

這是一個基於Wav2Vec2架構的自動語音識別（ASR）模型，專門用於識別多格拉語（Dogri）的語音內容。

一個基於Wav2Vec2架構的卡納達語語音識別模型，可直接將卡納達語語音轉換為文本。

該模型是基於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Wav2Vec2 XLSR架構的韓語自動語音識別(ASR)模型，在Zeroth韓語數據集上表現出色

這是一個基於Wav2Vec2架構的馬拉雅拉姆語語音識別模型，用於將馬拉雅拉姆語語音轉換為文本。

Facebook的Wav2Vec2 XLS-R模型，針對15種語言的語音翻譯任務進行了微調，能夠將英語口語翻譯為多種書面語言。

一個為端到端英語到德語語音翻譯訓練的語音到文本轉換器模型

該模型是基於土耳其語Common Voice數據集微調的XLSR-Wav2Vec2語音識別模型，主要用於土耳其語語音轉文本任務。

基於Wav2Vec2架構的尼泊爾語語音識別模型，可直接將尼泊爾語語音轉換為文本

一個基於Transformer的端到端語音翻譯模型，用於英語到波斯語的語音翻譯任務

基於microsoft/wavlm-base微調的英語自動語音識別(ASR)模型，在english_ASR - CLEAN數據集上訓練，詞錯誤率(WER)為0.0773。

Facebook的Wav2Vec2 XLS-R模型微調用於多語言語音翻譯任務，支持15種語言的英語到目標語言的翻譯。

一個基於Transformer的端到端語音翻譯模型，專為英語到意大利語的語音翻譯任務設計。

該模型是基於facebook/wav2vec2-base在俄語數據集上微調的語音識別模型