一款基于 NVIDIA NeMo 构建的日语自动语音识别模型(parakeet‑ctc‑1.1b‑ja),支持通过 nemo.collections.asr.nemo_asr 进行转录,并记录了相对于 Whisper v2/v3 的 WER/CER 性能以及伦理使用准则。
其他语言的说明
统计
统计数据截至 2026年11月16日
Hugging Face 下载数(近 30 天)
1,000
Hugging Face 点赞数
25
收录日
2026年10月13日
同分类的热门资源
- wav2vec2-large-xlsr-53-japanesejonatasgrosman16MJapanese wav2vec‑2 XLSR‑53 在 Common Voice 6.1、CSS10 与 JSUT 上微调,需 16 kHz 音频,并可通过 HuggingSound 或 HuggingFace 管道使用。
- wav2vec2-large-xlsr-japanese-hiraganavumichien153k一个由 facebook/wav2vec2‑large‑xlsr‑53 在 Common Voice 和 JSUT corpus 上微调的日本语音识别模型,针对 16 kHz 音频输入进行了优化。
- anime-whisperlitagin33kAnime Whisper 是一款轻量级的日语 ASR 模型,在约 5,300 小时的动漫风格对话上进行微调,能够提供低幻觉、节奏对齐标点,以及准确转录非言语声音和 NSFW 内容,并且需要在没有初始提示的情况下运行。
- kotoba-whisper-v2.0kotoba-tech25kKotoba‑Whisper v2.0 是从 OpenAI Whisper large‑v3 蒸馏出的日语 ASR 模型,训练于 720 万个 ReazonSpeech 剪辑,推理速度快 6.3 倍,同时在同域测试中匹配教师模型的 CER/WER,并提供 stable‑ts/标点支持以及完整的训练代码在 GitHub 上。
- kotoba-whisper-v2.2kotoba-tech16kKotoba‑Whisper‑v2.2 是一个日语 ASR 模型,扩展了 kotoba‑whisper‑v2.0,集成了说话人划分和自动标点功能,通过 HuggingFace‑Transformers pipeline,并与 Asahi Ushio 与 Kotoba Technologies 合作开发。
- Qwen3-ASR-1.7B-JAneosophie13k针对日语 ASR 对 Qwen3-ASR-1.7B 进行微调,优化其准确转写专有名词、机构和产品名称,以及以汉字为主或混合日英的技术术语。
研究领域相近的资源
whisper.cppggml-org54kOpenAI Whisper 模型的 C/C++ 移植版。多语言共同: 语音识别
faster-whisperSYSTRAN26k基于 CTranslate2 的更快 Whisper 转写。多语言共同: 语音识别
whisperXm-bain24kWhisperX:具备词级时间戳(及说话人分离)的自动语音识别。多语言共同: 语音识别
FunASRmodelscope21k支持训练、推理、流式语音识别、VAD、标点、说话人分离流水线以及兼容 OpenAI/MCP 服务的开源语音识别工具包。多语言共同: 语音识别
kaldikaldi-asr15kkaldi-asr/kaldi 是 Kaldi 项目的官方所在地。多语言共同: 语音识别
vosk-apialphacep15k面向 Android、iOS、Raspberry Pi 及服务器的离线语音识别 API,支持 Python、Java、C# 和 Node。多语言共同: 语音识别