# 高精度轉錄

Whisper是一個預訓練的自動語音識別(ASR)和語音翻譯模型，通過68萬小時標註數據訓練，具有強大的泛化能力。

Whisper是OpenAI開發的最先進的自動語音識別(ASR)和語音翻譯模型，支持多種語言

該模型是基於FastConformer架構的日語自動語音識別(ASR)模型，由NVIDIA開發並轉換為MLX格式。

GigaAM v2 是一個自動語音識別（ASR）模型，支持俄語語音轉文本任務，提供CTC和RNN-T兩種架構。

基於OpenAI Whisper-large-v2在泰盧固語音頻數據集上微調的語音識別模型

瑞典國家圖書館發佈的Whisper模型，專為瑞典語語音識別優化，相比OpenAI原版顯著降低錯誤率。

瑞典國家圖書館發佈的基於超過5萬小時瑞典語音訓練的Whisper模型，在瑞典語音識別任務上表現優異

基於OpenAI Whisper-small微調的土耳其語語音識別模型

基於OpenAI Whisper Large v3 Turbo針對阿爾巴尼亞語優化的語音識別模型，支持標準阿爾巴尼亞語及蓋格方言

該模型是基於openai/whisper-large-v3微調的語音克隆模型，主要用於語音識別任務，在評估集上詞錯誤率為15.3572。

基於Whisper的日語自動語音識別模型，集成說話人分離和標點符號添加功能

基於ONNX格式優化的Whisper大型語音識別模型，專為網頁端部署設計

本模型是基於openai/whisper-large-v3在緬甸語語音數據集上微調的自動語音識別模型，專門用於緬甸語語音轉錄。

基於Facebook的wav2vec2-base模型微調而來，專門針對韓語語音識別進行了優化，能夠將韓語語音準確地轉錄為文本。

基於distil-whisper技術的德語語音識別模型，參數量7.56億，在保持高質量的同時實現更快的推理速度。

基於whisper-large-v3微調優化的中文語音識別模型，在多箇中文語音基準測試中性能顯著提升

基於OpenAI Whisper Large V2模型在荷蘭語數據集上微調的語音識別模型，詞錯誤率10.14%

挪威國家圖書館研發的自動語音識別模型，基於Whisper架構，支持挪威語和英語的語音轉錄與翻譯。

基於whisper-large-v2進行微調的中文語音識別模型，在多箇中文語音識別基準測試中實現了30-70%的相對性能提升。

這是一個用於波斯語自動語音識別(ASR)的混合模型，結合了傳感器和CTC解碼器損失，基於FastConformer架構優化。

基於Whisper Large v3的德語語音識別微調模型，針對德語語音處理和識別進行了優化

基於OpenAI Whisper-large-v2微調的韓語自動語音識別(ASR)模型，在韓語數據集上表現出色

基於facebook/wav2vec2-xls-r-300m微調的英語語音識別模型

基於OpenAI Whisper-large-v2模型在日語語音數據集上微調的自動語音識別(ASR)模型

基於Whisper Large v2在波蘭語數據集上微調的自動語音識別模型，支持波蘭語語音轉文本任務。

基於Whisper-large-v2微調的北薩米語語音識別模型，在測試集上詞錯誤率為24.91%

基於openai/whisper-medium在印尼語數據集上微調的語音識別模型，顯著提升了印尼語識別準確率

基於openai/whisper-medium在common_voice_11_0數據集上微調的日語語音識別模型

Whisper是一個預訓練的自動語音識別(ASR)和語音翻譯模型，經過68萬小時標註數據訓練，具有強大的跨領域泛化能力。

Whisper是一個用於自動語音識別(ASR)和語音翻譯的預訓練模型，在68萬小時標註數據上訓練，具有強大的泛化能力。

基於語音到文本轉換器(S2T)訓練的自動語音識別(ASR)模型，專為英語語音識別設計

這是一個基於Conformer-Transducer架構的大規模韓語自動語音識別模型，在Ksponspeech數據集上訓練，適用於韓語語音轉錄任務。

該模型是基於facebook/wav2vec2-xls-r-300m在烏爾都語語音數據集上微調的自動語音識別(ASR)模型

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

基於facebook/wav2vec2-xls-r-300m微調的語音識別模型，在ASCEND數據集上訓練

基於Facebook Wav2Vec2架構的語音識別模型，在VoxPopuli語料庫的10K未標記荷蘭語數據上預訓練，並在荷蘭語轉錄數據上微調。

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。

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。

基於Facebook Wav2Vec2架構的語音識別模型，使用VoxPopuli語料庫預訓練並在克羅地亞語數據上微調

一個用於自動語音識別(ASR)的語音到文本轉換器(S2T)模型，基於序列到序列轉換器架構