Fine‑tuned Qwen3‑ASR‑1.7B for Japanese ASR、固有名詞・組織名・製品名、漢字が多い混在した日本語/英語の技術用語を正確に転写できるよう最適化されました
他の言語の説明
統計
2026年11月16日時点の統計
Hugging Face のダウンロード数(直近30日)
13,000
Hugging Face の Like 数
17
掲載日
2026年6月2日
ダウンロード数(直近30日)の推移
数値を表で見る
| 月 | DL(30日) |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | 3,000 |
| 2026年7月 | 5,000 |
| 2026年8月 | 8,000 |
| 2026年9月 | 12,000 |
| 2026年10月 | 7,000 |
| 2026年11月 | 13,000 |
各月の最後のスナップショットにおける、直近30日間のダウンロード数です。
同じカテゴリで人気のリソース
- wav2vec2-large-xlsr-53-japanesejonatasgrosman16MJapanese wav2vec‑2 XLSR‑53 は Common Voice 6.1、CSS10、JSUT で微調整され、16 kHz オーディオを必要とし、HuggingSound または HuggingFace パイプラインで使用できます。
- wav2vec2-large-xlsr-japanese-hiraganavumichien153kfacebook/wav2vec2‑large‑xlsr‑53 を Common Voice と JSUT コーパスでファインチューニングした日本語音声認識モデルで、16 kHz の音声入力に最適化されています。
- anime-whisperlitagin33kAnime Whisperは、約5,300時間のanime‑style dialogueで微調整された軽量の日本語ASRモデルで、低 hallucination、リズムに合わせた句読点、非言語音声およびNSFW contentの正確な文字起こしを実現し、初期プロンプトなしで実行する必要があります。
- kotoba-whisper-v2.0kotoba-tech25kKotoba‑Whisper v2.0 は、OpenAI Whisper large‑v3 から蒸留された日本語 ASR モデルで、7.2 million ReazonSpeech クリップで訓練され、ドメイン内テストで教師の CER/WER と同等の性能を維持しつつ 6.3 倍速で動作します。stable‑ts/punctuation のサポートと完全なトレーニングコードが GitHub にあります。
- kotoba-whisper-v2.2kotoba-tech16kKotoba‑Whisper‑v2.2 は、HuggingFace‑Transformers パイプラインを通じて統合された話者分離と自動句読点機能を備えた kotoba‑whisper‑v2.0 を拡張した日本語 ASR モデルであり、Asahi Ushio と Kotoba Technologies と協力して構築されました。
- kotoba-whisper-v2.0-fasterkotoba-tech13kKotoba Whisper v2.0 は CTranslate2 と faster‑whisper で使用するために CTranslate2 フォーマットに変換され、インストール手順、推論例、Apple M2 ベンチマーク、変換手順を提供します。
研究分野が近いリソース
- japanese-hubert-base-phoneme-ctc-v4prj-beatrice12kFine‑tuned Japanese Hubert‑Base for CTC phoneme recognition (v4) は、更新された sentence‑filtering rules、pronunciation adjustments、GPU を A6000 に切り替えた上で、110k ステップでトレーニングを停止しました。共通: 音声認識・音声・オーディオ
- japanese-wav2vec2-base-rs35khreazon-research10kJapanese‑wav2vec2‑base‑rs35kh は、ReazonSpeech v2.0 Japanese ASR corpus でファインチューニングされた 96.7 M‑パラメータの wav2vec 2.0 Base モデルで、13.22 % の CER を達成し、Hugging Face transformers でデプロイ可能、Apache 2.0 ライセンスで公開されています。共通: 音声認識・音声・オーディオ
- reazonspeech-nemo-v2reazon-research4kreazonspeech‑nemo‑v2は、619 Mパラメータの日本語長文ASRモデルで、改良版Fast‑Conformerと線形スケーラブル注意機構を採用し、ReazonSpeech v2.0コーパスで訓練されました。3000トークンSentencePieceを用いたsubword RNN‑Tデコーダにより、多時間推論を提供し、Apache 2.0で配布されています。共通: 音声認識・音声・オーディオ
- parakeet-tdt-0.6b-ja-GGUFcstr3kGGUF変換された0.6 B日本語パラケートTDT‑CTCモデルは、CrispASRのCLIでTDTデコーディング(CTCフォールバック)に使用でき、JSUTで6.4 % CERを達成し、ワードレベルタイムスタンプを提供します。完全な1.24 GBビット正確ビルドと約470 MBのQ4_K量子化バリアント(8トークン後に劣化するためF16が推奨)で利用可能です。共通: 音声認識・音声・オーディオ
- japanese-hubert-base-phoneme-ctcprj-beatrice4krinna/japanese‑hubert‑base をベースにしたファインチューニング済みの日本語音素 CTC モデル。ReazonSpeech v2 データと pyopenjtalk‑plus ラベルで訓練され、新しい v2 リリース(prj-beatrice/japanese-hubert-base-phoneme-ctc-v2)で精度が向上しています。共通: 音声認識・音声・オーディオ
- japanese-hubert-base-phoneme-ctc-v3prj-beatrice2kCTC音素認識(v3)用にファインチューニングされた日本語HuBERT‑base、MeCab N‑bestをpyopenjtalk‑plusで後処理し、CTCとMeCabコストを組み合わせた加重損失、更新された除外ルール、新しい「ty」音素を追加。共通: 音声認識・音声・オーディオ