Whosper-large-v2是一款专为塞内加尔主要语言沃洛夫语设计的尖端语音识别模型，基于OpenAI的Whisper-large-v2构建，显著提升了词错误率（WER）和字符错误率（CER）。

基于Whisper架构优化的印地语-印地英语混合语音识别模型，专为印度口音和噪声环境优化

针对越南语语音识别任务优化的Whisper-medium模型，在1308小时越南语数据上微调

Parakeet CTC 0.6B是由NVIDIA NeMo和Suno.ai联合开发的自动语音识别模型，基于FastConformer架构，拥有约6亿参数，支持英语语音转录。

Parakeet RNNT 0.6B 是由 NVIDIA NeMo 和 Suno.ai 联合开发的自动语音识别模型，基于 FastConformer 架构，拥有约 6 亿参数，专门用于将英语语音转录为文本。

Parakeet CTC 1.1B是由NVIDIA NeMo和Suno.ai联合开发的自动语音识别模型，基于FastConformer架构，拥有约11亿参数，支持英语语音转录。

基于OpenAI Whisper-large-v3微调的法语自动语音识别模型，支持大小写、标点符号和数字预测

基于CommonVoice阿拉伯语数据集微调的Whisper medium语音识别模型，由SpeechBrain团队开发

NVIDIA FastConformer-Transducer 是一个用于英语自动语音识别(ASR)的高性能模型，采用优化的FastConformer架构和Transducer解码器，参数规模约6.18亿。

NVIDIA FastConformer-CTC XLarge是一个约6亿参数的自动语音识别(ASR)模型，专为英语语音转录设计，采用FastConformer架构和CTC损失训练。

基于openai/whisper-small微调的法语自动语音识别模型，训练数据为Common Voice 11.0法语数据集，支持大小写和标点符号预测。

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。

这是一个用于西班牙语自动语音识别的大型康福默-传感器模型，约1.2亿参数，在1340小时西班牙语语音数据上训练。

这是一个用于德语自动语音识别的大型Conformer-Transducer模型，具有约1.2亿参数，支持将德语语音转录为文本。

这是一个用于德语自动语音识别的大规模Conformer-CTC模型，由NVIDIA训练并在数千小时的德语语音数据上进行优化。

基于facebook/wav2vec2-large-xlsr-53在中文AISHELL-1数据集上微调的语音识别模型，支持中文语音识别任务。

这是一个基于Facebook的wav2vec2-large-xlsr-53模型在德语Common Voice 9.0数据集上微调的自动语音识别(ASR)模型。

基于Wav2vec2的越南语语音识别模型，在160小时越南语语音数据上微调

基于NST数据集微调的丹麦语语音识别模型，支持16kHz采样率音频输入

该模型是基于facebook/wav2vec2-base-960h在TED-LIUM数据集上微调的语音识别模型，在评估集上达到20.33%的词错误率。

这是一个针对巴西葡萄牙语优化的Wav2vec2模型，基于多个开放数据集训练，用于自动语音识别任务。

基于Facebook的wav2vec2-large-xlsr-53模型，在西班牙语Common Voice数据集上微调的语音识别模型，测试WER为10.50%。

基于facebook/wav2vec2-large-xlsr-53微调的巽他语语音识别模型，训练数据来自OpenSLR高质量TTS数据集

这是一个针对巴西葡萄牙语微调的Wav2vec 2.0模型，使用了多个巴西葡萄牙语数据集进行训练，在Common Voice测试集上WER为13.6。

基于巴西葡萄牙语数据集微调的Wav2vec 2.0语音识别模型，支持巴西葡萄牙语自动语音识别任务。

针对巴西葡萄牙语优化的语音识别模型，使用7个公开数据集共453小时语音训练

这是一个基于facebook/wav2vec2-large-xlsr-53模型在土耳其语Common Voice数据集上微调的自动语音识别模型，测试WER为21.13%。

这是一个针对巴西葡萄牙语微调的 Wav2vec 2.0 模型，使用了多个开放巴西葡萄牙语数据集进行训练，包括 Common Voice、MLS、CETUC 等。

基于CommonVoice法语数据集训练的wav2vec 2.0语音识别模型，使用CTC/Attention架构，无需语言模型

基于facebook/wav2vec2-large-xlsr-53微调的日语语音识别模型，支持平假名输出

基于facebook/wav2vec2-large-xlsr-53模型，使用Common Voice数据集对世界语进行微调的语音识别模型。

这是一个基于Facebook的wav2vec2-large-xlsr-53模型微调的世界语(Esperanto)语音识别模型，使用Common Voice数据集训练。

这是一个基于XLS-R架构的自动语音识别模型，专门针对荷兰语和佛兰芒语优化，结合了5-gram语言模型以提高识别准确率。

该模型是基于facebook/wav2vec2-xls-r-300m在加利西亚语数据集上微调的自动语音识别模型，在Common Voice 8.0测试集上取得了11.31%的WER。