AIbase
首页
AI产品库
模型广场
MCP服务库
AI资讯
ZH
模型选型
标签
多模态语音识别

# 多模态语音识别

Gemma 3 4b It Speech
Gemma-3-MM是基于Gemma-3-4b-it扩展的多模态指令模型,新增语音处理能力,可处理文本、图像和音频输入,生成文本输出。
音频生成文本 Transformers
G
junnei
383
12
Phi 4 Multimodal Instruct Commonvoice Zh Tw
MIT
基于microsoft/Phi-4-multimodal-instruct微调的台湾普通话语音识别模型,在台湾普通话通用语音19.0数据集上训练
音频生成文本 Transformers 中文
P
JacobLinCool
28
1
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型 Transformers 支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统 Transformers 英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98
AIbase
智启未来,您的人工智能解决方案智库
English简体中文繁體中文にほんご
© 2025AIbase