# 端到端語音轉文本

基於OpenAI Whisper small.en模型的CTranslate2轉換版本，用於高效語音識別

基於Facebook的wav2vec2-xls-r-300m模型在混合語言數據集上微調的語音識別模型，支持馬來語、新加坡式英語和普通話。

這是一個基於wav2vec2架構的烏爾都語自動語音識別(ASR)模型，從頭開始訓練。

Wav2Vec2基礎版是在16kHz採樣的Librispeech語音音頻上進行了100小時預訓練和微調的自動語音識別模型。

基於Transformer的端到端語音翻譯模型，支持英語到阿拉伯語的語音轉文本翻譯

這是一個基於Transformer的端到端語音翻譯模型，專門用於將英語語音翻譯成加泰羅尼亞語文本。

這是一個基於facebook/wav2vec2-large-xlsr-53模型在格魯吉亞語上進行微調的自動語音識別(ASR)模型，使用Common Voice數據集訓練。

一個基於Wav2Vec2架構的印地語語音識別模型，可直接將音頻轉錄為文本。

Facebook開發的基於Wav2Vec 2.0架構的大規模法語語音識別模型，支持自動語音轉文本任務

該模型是基於facebook/wav2vec2-large-xlsr-53在common_voice數據集上微調的版本，用於印地語語音識別任務。

該模型是基於facebook/wav2vec2-xls-r-300m在common_voice數據集上微調的版本，用於阿布哈茲語的自動語音識別任務。

一個基於Transformer的端到端語音翻譯模型，用於英語到土耳其語的語音轉文本任務

這是一個基於序列到序列架構的自動語音識別模型，能夠將語音轉換為文本。

基於Facebook的XLSR-53大模型微調的立陶宛語語音識別模型，在Common Voice數據集上訓練，測試WER為56.55%。