# 高效語音識別

這是一個自動語音識別模型，已轉換為適用於MLX的版本，可快速進行推理。

Distil-Whisper是Whisper模型的蒸餾版本，針對自動語音識別(ASR)任務進行了優化，提供更快的推理速度。

基於Distil-Whisper large-v3.5轉換的CTranslate2格式模型，用於高效語音識別

Distil-Whisper是OpenAI Whisper-Large-v3的知識蒸餾版本，提供更優的性能表現和高效性。

Distil-Whisper是Whisper模型的蒸餾版本，通過大規模偽標籤技術實現高效語音識別

Distil-Whisper是OpenAI Whisper-Large-v3的知識蒸餾版本，通過大規模偽標籤訓練實現高效語音識別。

這是一個基於Whisper模型優化的希伯來語和英語語音識別模型，由ivrit.ai開發。

Distil-Whisper是Whisper large-v3的知識蒸餾版本，專注於英語自動語音識別，提供更快的推理速度同時保持接近原始模型的準確性。

Parakeet TDT 1.1B是由NVIDIA NeMo和Suno.ai聯合開發的自動語音識別(ASR)模型，能夠將語音轉錄為小寫英文字母。

這是distil-whisper/distil-medium.en模型轉換為CTranslate2格式的版本，用於高效語音識別任務。

這是一個基於Whisper架構的蒸餾版本自動語音識別(ASR)模型，專為高效推理設計，適用於英語語音轉文本任務。

SEW-D-mid-k127是由ASAPP Research開發的高效語音識別預訓練模型，在性能和效率方面相比wav2vec 2.0有顯著改進。

SEW-D-tiny 是由 ASAPP Research 開發的高效語音識別預訓練模型，專注於性能和效率的平衡。

SEW-D-base+ 是由 ASAPP Research 開發的高效語音識別模型，基於 16kHz 採樣的語音音頻進行預訓練，在 LibriSpeech 數據集上表現出色。

SEW（壓縮高效版Wav2vec）是由ASAPP Research開發的語音識別預訓練模型，在性能和效率上優於wav2vec 2.0

SEW-D-mid是由ASAPP Research開發的語音預訓練模型，專注於自動語音識別任務，在性能和效率之間取得了良好平衡。

SEW-tiny是由ASAPP Research開發的壓縮高效型語音預訓練模型，基於16kHz採樣的語音音頻進行預訓練，適用於多種下游語音任務。