该模型是基于facebook/wav2vec2-xls-r-300m在common_voice土耳其语数据集上微调的语音识别模型，在评估集上取得了30.36%的词错误率。

该模型是基于wav2vec2-large-xlsr-53在GARY109/AI_LIGHT_DANCE - ONSET-STEPMANIA2数据集上微调的自动语音识别模型。

该模型是基于facebook/wav2vec2-xls-r-300m在common_voice数据集上微调的阿拉伯语语音识别模型，在评估集上取得了0.5078的词错误率。

基于facebook/wav2vec2-xls-r-300m在菲律宾语音数据集上微调的语音识别模型

这是一个基于wav2vec2架构的土耳其语语音识别模型，在common_voice数据集上微调得到

该模型是基于facebook/wav2vec2-xls-r-300m微调的版本，专门针对乌尔都语语音识别任务进行了优化。

该模型是基于facebook/wav2vec2-xls-r-300m在filipino_voice数据集上微调的语音识别模型，支持菲律宾语。

基于facebook/wav2vec2-xls-r-300m在Mozilla Common Voice葡萄牙语数据集上微调的自动语音识别模型

该模型是基于facebook/wav2vec2-xls-r-300m在common_voice土耳其语数据集上微调的语音识别模型，在评估集上取得了0.4444的词错误率。

该模型是基于facebook/wav2vec2-xls-r-300m在common_voice土耳其语数据集上微调的语音识别模型，在评估集上取得了0.3907的词错误率。

在1M至1B词元规模数据集上预训练的RoBERTa变体，包含BASE和MED-SMALL两种规格，适用于资源有限场景下的自然语言处理任务

基于不同规模数据集(1M-1B词元)预训练的RoBERTa系列模型，包含BASE和MED-SMALL两种规格

该模型是基于facebook/wav2vec2-xls-r-300m在common_voice数据集上微调的版本，支持亚美尼亚语语音识别。

该模型是基于flozi00/wav2vec-xlsr-german微调的德语语音识别模型，在评估集上词错误率为1.0。

基于1B词元规模预训练的RoBERTa基础模型，验证困惑度为3.93，适用于英语文本处理任务。

该模型是基于facebook/wav2vec2-large-xlsr-53微调的西班牙语(哥伦比亚口音)语音识别模型，在评估集上词错误率(WER)为0.2595。

这是一个基于Facebook的wav2vec2-xls-r-300m模型在印地语Common Voice 7.0数据集上微调的自动语音识别(ASR)模型。