基于OpenAI Whisper-medium微调的海地克里奥尔语语音识别模型，专注高准确率转录

基于microsoft/wavlm-large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wav2vec2-large-xlsr-53模型微调的自动语音识别模型，专注于歌唱语音识别

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

基于wav2vec2-large-xlsr-53的自动语音识别模型，在GARY109/AI_LIGHT_DANCE数据集上微调

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32.08%的词错误率。

该模型是基于wav2vec2-large-lv60架构的自动语音识别(ASR)模型，在GARY109/AI_LIGHT_DANCE - ONSET-SINGING数据集上微调得到，主要用于歌声识别任务。

基于facebook/wav2vec2-base微调的语音识别模型，在评估集上词错误率为0.4499

该模型是基于facebook/wav2vec2-large-xlsr-53在common_voice土耳其语数据集上微调的语音识别模型

该模型是基于facebook/wav2vec2-xls-r-1b在挪威语Bokmål方言语音数据集上微调的自动语音识别(ASR)模型

基于wav2vec2-xls-r-2b架构的亚美尼亚语自动语音识别模型，支持hy/hye语言

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，支持自动语音识别任务。

Wav2Vec2-Large-100h-Lv60是基于100小时Libri-Light和Librispeech语音数据预训练和微调的大模型，采用自训练目标训练，适用于16kHz采样率的语音识别任务。

基于facebook/wav2vec2-large-xlsr-53大模型，通过CTC损失函数在荷兰语口语语料库上进行微调训练的荷兰语语音识别模型

一款荷兰语Wav2Vec2模型，通过在荷兰语音库CGN上对原始英文模型进行持续预训练和微调构建。

该模型是基于facebook/wav2vec2-xls-r-300m在通用语音数据集上微调的越南语语音识别模型

该模型是基于LibriSpeech ASR数据集训练的自动语音识别(ASR)模型，能够将英语语音转换为文本。

基于LibriSpeech数据集训练的自动语音识别(ASR)模型，用于将英语语音转换为文本

基于facebook/wav2vec2-large-xlsr-53模型，在阿拉伯语音语料库数据集上微调的阿拉伯语语音识别模型

该模型是基于facebook/wav2vec2-xls-r-1b在鞑靼语数据集上微调得到的自动语音识别模型，在Common Voice 8数据集上取得了16.87%的词错误率(WER)。

该模型是基于facebook/wav2vec2-xls-r-300m在常见语音数据集上微调的土耳其语语音识别模型

基于facebook/wav2vec2-large-xlsr-53在波斯语（波斯语）上使用Common Voice数据集进行微调的自动语音识别模型

该模型是基于librispeech_asr数据集训练的语音识别模型，在评估集上取得了2.0133的词错误率(WER)。

这是一个基于facebook/wav2vec2-large-xlsr-53模型在COMMON_VOICE - TR土耳其语数据集上微调的自动语音识别(ASR)模型。

该模型是基于facebook/wav2vec2-xls-r-1b在Common Voice 8楚瓦什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数据集上微调的土耳其语语音识别模型。

基于Wav2Vec2-Large-XLSR-53在波斯语ShEMO数据集上微调的自动语音识别模型

基于VoxPopuli意大利语无标注数据预训练的语音识别模型，采用Facebook的Wav2Vec2架构

基于facebook/wav2vec2-large模型，使用Common Voice数据集进行英语微调的语音识别模型，支持16kHz采样率的语音输入。

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wav2vec2架构的自动语音识别(ASR)模型，专门针对法语进行了微调，在Common Voice法语测试集上取得了12.82%的词错误率(WER)。

这是一个基于facebook/wav2vec2-xls-r-300m模型在卡拜尔语数据集上微调的自动语音识别(ASR)模型