Whisper是一个预训练的自动语音识别(ASR)和语音翻译模型，通过68万小时标注数据训练，具有强大的泛化能力。

Whisper是OpenAI开发的最先进的自动语音识别(ASR)和语音翻译模型，支持多种语言

该模型是基于FastConformer架构的日语自动语音识别(ASR)模型，由NVIDIA开发并转换为MLX格式。

GigaAM v2 是一个自动语音识别（ASR）模型，支持俄语语音转文本任务，提供CTC和RNN-T两种架构。

基于OpenAI Whisper-large-v2在泰卢固语音频数据集上微调的语音识别模型

瑞典国家图书馆发布的基于超过5万小时瑞典语音训练的Whisper模型，在瑞典语音识别任务上表现优异

基于OpenAI Whisper-small微调的土耳其语语音识别模型

基于OpenAI Whisper Large v3 Turbo针对阿尔巴尼亚语优化的语音识别模型，支持标准阿尔巴尼亚语及盖格方言

该模型是基于openai/whisper-large-v3微调的语音克隆模型，主要用于语音识别任务，在评估集上词错误率为15.3572。

基于Whisper的日语自动语音识别模型，集成说话人分离和标点符号添加功能

基于ONNX格式优化的Whisper大型语音识别模型，专为网页端部署设计

基于distil-whisper技术的德语语音识别模型，参数量7.56亿，在保持高质量的同时实现更快的推理速度。

基于whisper-large-v3微调优化的中文语音识别模型，在多个中文语音基准测试中性能显著提升

基于OpenAI Whisper Large V2模型在荷兰语数据集上微调的语音识别模型，词错误率10.14%

基于whisper-large-v2进行微调的中文语音识别模型，在多个中文语音识别基准测试中实现了30-70%的相对性能提升。

这是一个用于波斯语自动语音识别(ASR)的混合模型，结合了传感器和CTC解码器损失，基于FastConformer架构优化。

基于Whisper Large v3的德语语音识别微调模型，针对德语语音处理和识别进行了优化

基于OpenAI Whisper-large-v2微调的韩语自动语音识别(ASR)模型，在韩语数据集上表现出色

基于facebook/wav2vec2-xls-r-300m微调的英语语音识别模型

基于OpenAI Whisper-large-v2模型在日语语音数据集上微调的自动语音识别(ASR)模型

基于Whisper Large v2在波兰语数据集上微调的自动语音识别模型，支持波兰语语音转文本任务。

基于Whisper-large-v2微调的北萨米语语音识别模型，在测试集上词错误率为24.91%

基于openai/whisper-medium在common_voice_11_0数据集上微调的日语语音识别模型

Whisper是一个用于自动语音识别(ASR)和语音翻译的预训练模型，在68万小时标注数据上训练，具有强大的泛化能力。

Whisper是一个预训练的自动语音识别(ASR)和语音翻译模型，经过68万小时标注数据训练，具有强大的跨领域泛化能力。

基于语音到文本转换器(S2T)训练的自动语音识别(ASR)模型，专为英语语音识别设计

这是一个基于Conformer-Transducer架构的大规模韩语自动语音识别模型，在Ksponspeech数据集上训练，适用于韩语语音转录任务。

该模型是基于facebook/wav2vec2-xls-r-300m在乌尔都语语音数据集上微调的自动语音识别(ASR)模型

基于wav2vec2架构的俄语语音识别模型，识别结果可通过配套文本纠错网络进行后处理

基于facebook/wav2vec2-xls-r-300m微调的语音识别模型，在ASCEND数据集上训练

这是一个基于Wav2Vec2架构的旁遮普语语音识别模型，能够将旁遮普语语音转换为文本。

这是一个基于Wav2Vec2架构的乌尔都语语音识别模型，能够将乌尔都语语音转换为文本。

基于LibriSpeech数据集训练的自动语音识别(ASR)模型

基于Facebook Wav2Vec2架构的语音识别模型，在VoxPopuli语料库的10K未标记荷兰语数据上预训练，并在荷兰语转录数据上微调。

这是一个基于CommonVoice英语数据集训练的端到端自动语音识别系统，结合了wav2vec 2.0预训练模型和CTC解码器。

该模型是基于facebook/wav2vec2-base-960h在未知数据集上微调的语音识别模型，主要用于自动语音识别任务。

基于Facebook Wav2Vec2架构的语音识别模型，使用VoxPopuli语料库预训练并在克罗地亚语数据上微调

一个基于Wav2Vec2架构的卡纳达语语音识别模型，可直接将卡纳达语语音转换为文本。

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

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。