由rinna株式会社训练的日语wav2vec 2.0基础模型，基于ReazonSpeech数据集训练

该模型是基于facebook/wav2vec2-base在未知数据集上微调的版本，主要用于语音识别任务，在评估集上达到84.55%的准确率。

基于Librispeech-clean-100数据集微调的性别识别模型，在测试集上F1分数达0.9993

基于facebook/wav2vec2-base在asvspoof2019数据集上微调的语音防伪检测模型

基于wav2vec2架构的越南语自动语音识别模型，预训练于13,000小时未标注YouTube音频，并在250小时标注数据上微调。

该模型是基于facebook/wav2vec2-conformer-rel-pos-large-960h-ft微调的语音意图分类模型，在评估集上准确率达到58.33%。

基于facebook/wav2vec2-base模型微调的语音识别模型，在评估集上准确率达到87.27%。

基于facebook/wav2vec2-large-robust模型微调的瑞典语自动语音识别模型，支持16kHz采样率语音输入。

基于facebook/wav2vec2-large-fr-voxpopuli模型微调的法语自动语音识别模型，使用Common Voice 7.0法语数据集训练。

基于facebook/wav2vec2-large-lv60模型微调的泰语语音识别模型，使用Common Voice 7.0数据集训练

基于facebook/wav2vec2-base-960h微调的语音识别模型

基于facebook/wav2vec2-base-960h微调的语音识别模型，在评估集上词错误率为1.0

该模型是基于facebook/wav2vec2-base微调的语音识别模型，在评估集上取得了0.4949的词错误率。

基于facebook/wav2vec2-base模型微调的语音识别模型，在TIMIT数据集上进行了训练

这是一个基于wav2vec2架构的乌尔都语自动语音识别(ASR)模型，从头开始训练。

该模型是基于facebook/wav2vec2-base进行微调的语音识别模型，在TIMIT数据集上取得了0.6704的词错误率。

基于wav2vec2-base模型在TIMIT数据集上微调的语音识别模型

基于Common Voice数据集训练的立陶宛语自动语音识别模型，使用wav2vec2架构和fairseq框架实现。

基于facebook/wav2vec2-base在空数据集上微调的语音识别模型，使用了随机高通滤波技术处理训练数据

基于自监督学习的音频预训练模型，能够从23种印度语言的原始音频中学习跨语言语音表征