AIbase
TW
模型選型
標籤
音頻轉文本

# 音頻轉文本

Ultravox V0 5 Llama 3 2 1b GGUF
MIT
Ultravox v0.5是基於Llama-3 2.1B架構優化的音頻文本轉文本模型，專注於高效處理語音轉寫任務。
語音識別
U
ggml-org
421
1
Gemma 3 4b It Q4 0
Gemma 3 4B Instruct 是 Google 開發的一個 40 億參數的大語言模型，專注於文本生成和理解任務。
大型語言模型
G
danchev
24
0
Whisper Large V3 Turbo Quantized.w4a16
Apache-2.0
基於openai/whisper-large-v3-turbo的INT4權重量化版本，支持高效音頻轉文本任務
語音識別 Transformers 英語
W
RedHatAI
1,851
2
Speechless Llama3.2 V0.1 I1 GGUF
Apache-2.0
這是對Menlo/Speechless-llama3.2-v0.1模型進行加權/重要性矩陣量化的結果，提供多種量化版本
大型語言模型 支持多種語言
S
mradermacher
395
0
Whisper Large V3.w4a16
Apache-2.0
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。
語音識別 Transformers 英語
W
nm-testing
20
1
Ai Light Dance Singing2 Ft Wav2vec2 Large Xlsr 53 V1
Apache-2.0
該模型是基於wav2vec2-large-xlsr-53在GARY109/AI_LIGHT_DANCE - ONSET-SINGING2數據集上微調的自動語音識別模型，主要用於歌唱語音識別任務。
語音識別 Transformers
A
gary109
185
0
Wav2vec2 Russian
基於wav2vec2架構的俄語語音識別模型，識別結果可通過配套文本糾錯網絡進行後處理
語音識別 Transformers
W
UrukHan
100
8
Wav2vec2 Base 10k Voxpopuli Ft Pl
基於VoxPopuli語料庫10K未標註數據預訓練，並在波蘭語轉錄數據上微調的Wav2Vec2語音識別模型
語音識別 Transformers 其他
W
facebook
203
3
Wav2vec2 Base 10k Voxpopuli Ft Sk
基於VoxPopuli語料庫10K未標註數據預訓練，並在斯洛伐克語轉錄數據上微調的語音識別模型
語音識別 Transformers 其他
W
facebook
39
1
Wav2vec2 Base 10k Voxpopuli Ft Fi
基於Facebook Wav2Vec2基礎模型，在VoxPopuli語料庫的10K未標註子集上預訓練，並在芬蘭語轉錄數據上微調的自動語音識別模型。
語音識別 Transformers 其他
W
facebook
24
0
Wav2vec2 300m Teste4
Apache-2.0
基於facebook/wav2vec2-xls-r-300m在common_voice數據集上微調的語音識別模型
語音識別 Transformers
W
tonyalves
17
0
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase