一份完全微调的 1.7B Qwen3-ASR 检查点,适用于日语 galgame、视觉小说和动漫风格语音识别,使用 Galgame_Speech_ASR 数据集训练,并提供推理权重及训练恢复文件,用于域适配和字幕生成工作流程。
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)
5,000
Hugging Face 点赞数
3
收录日
2026年9月7日
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 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 | — |
| 2026年7月 | — |
| 2026年8月 | — |
| 2026年9月 | 8,000 |
| 2026年10月 | 8,000 |
| 2026年11月 | 5,000 |
各月最后一次快照时的近 30 天下载数。
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
whisperopenai110k通过大规模弱监督实现的鲁棒语音识别。多语言共同: 语音识别・图像与多模态- Namo-Turn-Detector-v1-Japanesevideosdk-live2k基于 DistilBERT 的量化 ONNX 模型,能够以 93.5 % 的准确率检测日语发言转折,并且延迟低于 14 ms,已准备好供 Python、ONNX Runtime 或 VideoSDK 集成使用。共同: 语音识别・图像与多模态
transformershuggingface167k🤗 Transformers:面向文本、视觉、音频及多模态领域最先进机器学习模型的模型定义框架,同时支持推理与训练。多语言共同: 图像与多模态
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