俄语自动语音识别模型，支持外部ngram语言模型和束搜索解码，可提取词级时间戳

Quantum_STT 是一种先进的自动语音识别（ASR）和语音翻译模型，基于大规模弱监督训练，支持多种语言和任务。

GigaAM-v2-RNNT 是一个俄语自动语音识别（ASR）模型，基于RNNT架构，适用于语音转文本任务。

GigaAM-v2-CTC 是一个俄语自动语音识别(ASR)模型，基于CTC损失函数训练，可通过Hugging Face transformers库使用。

NVIDIA NeMo Canary Flash 是一个多语言多任务模型家族，在多个语音基准测试中实现了最先进的性能。

基于microsoft/Phi-4-multimodal-instruct微调的韩语自动语音识别(ASR)和语音翻译(AST)模型，在zeroth-korean和fleurs数据集上表现优异。

基于OpenAI Whisper Large v3模型针对希伯来语进行的微调版本，专注于希伯来语音频转录任务

基于QASR数据集微调的阿拉伯语自动语音识别模型，特别适配方言变体

针对越南语自动语音识别(ASR)任务优化的Whisper-V3-Turbo模型，使用多个越南语数据集微调

基于GigaSpeech数据集预训练的英文自动语音识别模型，支持流式和非流式转录

这是一个基于级联方法的日语语音到任意目标语言文本的翻译流水线，由自动语音识别（ASR）和文本翻译两部分组成。

由NVIDIA NeMo和Suno.ai联合开发的英语语音识别模型，支持标点符号和大小写转换，采用FastConformer-TDT-CTC架构

IndicConformer 是一个基于混合 CTC-RNNT 架构的 Conformer 自动语音识别（ASR）模型，专门用于古吉拉特语的语音转录。

这是一个针对加泰罗尼亚语优化的自动语音识别模型，基于OpenAI的Whisper-large-v3微调，由巴塞罗那超级计算中心开发。

Parakeet TDT-CTC 0.6B是一个能够转录带标点符号的日语语音的自动语音识别(ASR)模型，由NVIDIA NeMo团队开发。

这是一个基于LibriSpeech数据集预训练的端到端自动语音识别系统，支持流式和非流式模式，适用于英文语音识别。

Canary-1B是NVIDIA NeMo开发的多语言多任务模型，支持英语、德语、法语和西班牙语的自动语音识别和语音翻译任务。

基于OpenAI Whisper开发的挪威语自动语音识别模型，经过额外训练实现全小写无标点的逐字转录

Whisper是由OpenAI提出的先进自动语音识别(ASR)和语音翻译模型，在超过500万小时的标注数据上训练，具有强大的跨数据集和跨领域泛化能力。

基于Wav2Vec2架构的印地语自动语音识别(ASR)模型，由AI4Bharat开发

基于LibriSpeech数据集微调的SpeechT5自动语音识别模型，支持将语音转换为文本。

基于OpenAI Whisper Medium模型在Zeroth韩语数据集上微调的语音识别模型，词错误率3.64%

Whisper是OpenAI开发的自动语音识别(ASR)模型，经过68万小时标注语音数据训练，具有强大的泛化能力。

基于microsoft/wavlm-large模型微调的中文语音识别模型，支持简体中文，使用Common Voice 7.0 (zh-CN)数据集训练。

基于microsoft/unispeech-large-1500h-cv模型，使用Common Voice 7.0（法语）数据集微调的语音识别模型

基于facebook/wav2vec2-large-100k-voxpopuli模型微调的意大利语自动语音识别模型，使用Common Voice 7.0意大利语数据集训练。

基于facebook/wav2vec2-large-lv60模型微调的意大利语自动语音识别模型，使用Common Voice 7.0意大利语数据集训练。

基于facebook/wav2vec2-large-it-voxpopuli模型，使用Common Voice 7.0 (日语版)的训练集进行语音识别微调的日语自动语音识别模型。

基于microsoft/unispeech-sat-large模型微调的日语自动语音识别模型，使用Common Voice 7.0日语数据集训练。

基于microsoft/wavlm-large模型微调的日语自动语音识别模型，使用Common Voice 7.0日语数据集训练

基于微软UniSpeech-SAT-Large模型微调的英语语音识别模型，支持16kHz采样率的语音输入。

该模型是基于wav2vec2-large-xlsr-53在GARY109/AI_LIGHT_DANCE - ONSET-SINGING2数据集上微调的自动语音识别模型，主要用于歌唱语音识别任务。

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

这是一个基于facebook/wav2vec2-xls-r-300m模型在Common Voice 8迪维希语数据集上微调的自动语音识别模型

这是一个基于ESPnet框架训练的日语自动语音识别(ASR)模型，使用CSJ数据集训练，采用Transformer架构。

基于microsoft/wavlm-base微调的英语自动语音识别(ASR)模型，在english_ASR - CLEAN数据集上训练，词错误率(WER)为0.0773。

该模型是基于facebook/wav2vec2-xls-r-1b在MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - ia数据集上微调得到的版本，用于国际语的自动语音识别。

基于Wav2Vec2 XLSR架构的韩语自动语音识别(ASR)模型，在Zeroth韩语数据集上表现出色

基于Facebook Wav2Vec2架构的语音识别模型，使用VoxPopuli语料库的10K未标记捷克语数据进行预训练，并在捷克语转录数据上微调。

这是一个基于wav2vec2 XLS-R架构的300M参数孟加拉语语音识别模型，专门优化用于指令识别任务。