AIbase

C

Cat Dog Sounds Classification

由 dima806 开发
基于wav2vec 2.0架构的语音识别基础模型，在960小时的英语语音数据上预训练
音频分类
Transformers
开源协议:Apache-2.0#音频分类#宠物声音识别#wav2vec2-base
下载量 25
发布时间 : 8/26/2023
模型介绍
内容详情
替代品

模型简介

该模型是一个自动语音识别(ASR)模型，能够将英语语音转换为文本。基于Transformer架构，适用于通用语音识别任务。

模型特点

端到端语音识别
直接从原始音频波形学习，无需人工设计的特征提取
自监督预训练
利用大量无标注语音数据进行预训练，提高模型泛化能力
高效Transformer架构
采用改进的Transformer结构，优化语音序列处理效率

模型能力

英语语音识别
语音转文本
连续语音识别

使用案例

语音转录
会议记录自动化
自动将会议录音转换为文字记录
字幕生成
为视频内容自动生成英文字幕
语音助手
语音命令识别
用于智能家居设备的语音控制