# 高精度ASR

俄語自動語音識別模型，支持外部ngram語言模型和束搜索解碼，可提取詞級時間戳

Quantum_STT 是一種先進的自動語音識別（ASR）和語音翻譯模型，基於大規模弱監督訓練，支持多種語言和任務。

GigaAM-v2-RNNT 是一個俄語自動語音識別（ASR）模型，基於RNNT架構，適用於語音轉文本任務。

GigaAM-v2-CTC 是一個俄語自動語音識別(ASR)模型，基於CTC損失函數訓練，可通過Hugging Face transformers庫使用。

基於 Whisper Large v3 微調的波斯語自動語音識別模型，在 Common Voice 17 數據集上訓練，包含超過 250,000 個波斯語音頻樣本，顯著提升了識別準確性和魯棒性。

NVIDIA NeMo Canary Flash 是一個多語言多任務模型家族，在多個語音基準測試中實現了最先進的性能。支持四種語言的自動語音識別和翻譯任務。

基於microsoft/Phi-4-multimodal-instruct微調的韓語自動語音識別(ASR)和語音翻譯(AST)模型，在zeroth-korean和fleurs數據集上表現優異。

基於OpenAI Whisper Large v3模型針對希伯來語進行的微調版本，專注於希伯來語音頻轉錄任務

基於QASR數據集微調的阿拉伯語自動語音識別模型，特別適配方言變體

針對越南語自動語音識別(ASR)任務優化的Whisper-V3-Turbo模型，使用多個越南語數據集微調

基於GigaSpeech數據集預訓練的英文自動語音識別模型，支持流式和非流式轉錄

這是一個基於級聯方法的日語語音到任意目標語言文本的翻譯流水線，由自動語音識別（ASR）和文本翻譯兩部分組成。

由NVIDIA NeMo和Suno.ai聯合開發的英語語音識別模型，支持標點符號和大小寫轉換，採用FastConformer-TDT-CTC架構

IndicConformer 是一個基於混合 CTC-RNNT 架構的 Conformer 自動語音識別（ASR）模型，專門用於古吉拉特語的語音轉錄。

這是一個針對加泰羅尼亞語優化的自動語音識別模型，基於OpenAI的Whisper-large-v3微調，由巴塞羅那超級計算中心開發。

Parakeet TDT-CTC 0.6B是一個能夠轉錄帶標點符號的日語語音的自動語音識別(ASR)模型，由NVIDIA NeMo團隊開發。

這是一個基於LibriSpeech數據集預訓練的端到端自動語音識別系統，支持流式和非流式模式，適用於英文語音識別。

Canary-1B是NVIDIA NeMo開發的多語言多任務模型，支持英語、德語、法語和西班牙語的自動語音識別和語音翻譯任務。

基於OpenAI Whisper開發的挪威語自動語音識別模型，經過額外訓練實現全小寫無標點的逐字轉錄

Whisper是由OpenAI提出的先進自動語音識別(ASR)和語音翻譯模型，在超過500萬小時的標註數據上訓練，具有強大的跨數據集和跨領域泛化能力。

基於Wav2Vec2架構的印地語自動語音識別(ASR)模型，由AI4Bharat開發

NVIDIA FastConformer-Hybrid Large (ua) 是一個用於烏克蘭語語音識別的混合模型，結合了Transducer和CTC兩種損失函數訓練，參數約1.15億。

基於LibriSpeech數據集微調的SpeechT5自動語音識別模型，支持將語音轉換為文本。

基於openai/whisper-medium在增強版的泰語數據集上進行微調，用於泰語自動語音識別

基於OpenAI Whisper Medium模型在Zeroth韓語數據集上微調的語音識別模型，詞錯誤率3.64%

Whisper是OpenAI開發的自動語音識別(ASR)模型，經過68萬小時標註語音數據訓練，具有強大的泛化能力。

基於microsoft/wavlm-large模型微調的中文語音識別模型，支持簡體中文，使用Common Voice 7.0 (zh-CN)數據集訓練。

基於microsoft/unispeech-large-1500h-cv模型，使用Common Voice 7.0（法語）數據集微調的語音識別模型

基於facebook/wav2vec2-large-100k-voxpopuli模型微調的意大利語自動語音識別模型，使用Common Voice 7.0意大利語數據集訓練。

基於facebook/wav2vec2-large-lv60模型微調的意大利語自動語音識別模型，使用Common Voice 7.0意大利語數據集訓練。

基於facebook/wav2vec2-large-it-voxpopuli模型，使用Common Voice 7.0 (日語版)的訓練集進行語音識別微調的日語自動語音識別模型。

基於microsoft/unispeech-sat-large模型微調的日語自動語音識別模型，使用Common Voice 7.0日語數據集訓練。

基於microsoft/wavlm-large模型微調的日語自動語音識別模型，使用Common Voice 7.0日語數據集訓練

基於微軟UniSpeech-SAT-Large模型微調的英語語音識別模型，支持16kHz採樣率的語音輸入。

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。

該模型是基於facebook/wav2vec2-xls-r-300m在common_voice數據集上微調的語音識別模型，在評估集上取得了較低的詞錯誤率。

Facebook開發的基於Wav2Vec 2.0架構的荷蘭語自動語音識別(ASR)模型，採用XLSR-53多語言預訓練模型微調

這是一個基於facebook/wav2vec2-xls-r-300m模型在Common Voice 8迪維希語數據集上微調的自動語音識別模型

Facebook開發的基於Wav2Vec 2.0架構的大規模葡萄牙語自動語音識別(ASR)模型，支持葡萄牙語語音轉文本任務。

這是一個基於wav2vec2 XLS-R架構的300M參數孟加拉語語音識別模型，專門優化用於指令識別任務。