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 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 Transducer架构，参数约11亿，支持英语语音转录。

这是一个基于FastConformer架构的大型自动语音识别(ASR)模型，专门用于将英语语音转录为文本。

NVIDIA流式Citrinet 1024是一个用于英语自动语音识别的非自回归模型，基于CTC损失/解码，拥有约1.4亿参数。

这是一个由NVIDIA开发的自动语音识别(ASR)模型，基于Conformer-Transducer架构，拥有约6亿参数，专门用于英语语音转录。

一个用于自动语音识别(ASR)的语音到文本转换器(S2T)模型

s2t-small-librispeech-asr 是一个用于自动语音识别（ASR）的语音到文本转换器（S2T）模型，基于序列到序列转换器架构。

基于Facebook的wav2vec2-large-960h-lv60-self模型，通过增强维基百科语言模型改进的自动语音识别(ASR)系统

基于Facebook Wav2Vec2-Large-960h-lv60-self模型，增加了英语4-gram语言模型以提升语音识别准确率

基于Facebook的Wav2Vec2-Base-960h模型，增加了英语4-gram语言模型，用于提高自动语音识别(ASR)的准确率。

Wav2Vec2是一个基于自监督学习的语音识别模型，由Facebook开发，在LibriSpeech数据集上训练，支持英语语音转文本任务。

基于microsoft/wavlm-base在LIBRISPEECH_ASR - CLEAN数据集上微调的自动语音识别模型

Facebook开发的Wav2Vec2大模型，基于960小时Libri-Light和Librispeech语音数据预训练和微调，采用自训练目标，在LibriSpeech测试集上达到SOTA效果。

一个轻量级的自动语音识别(ASR)模型，基于Wav2Vec2架构的随机初始化版本，专为鲁棒性测试设计。