Kotoba‑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。
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)
25,000
Hugging Face 点赞数
103
收录日
2024年9月23日
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 2025年12月 | 124,000 |
| 2026年1月 | 3,000 |
| 2026年2月 | 4,000 |
| 2026年3月 | 5,000 |
| 2026年4月 | 5,000 |
| 2026年5月 | 12,000 |
| 2026年6月 | 19,000 |
| 2026年7月 | 8,000 |
| 2026年8月 | 13,000 |
| 2026年9月 | 22,000 |
| 2026年10月 | 22,000 |
| 2026年11月 | 25,000 |
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-v2.2kotoba-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。
- kotoba-whisper-v2.0-fasterkotoba-tech13kKotoba Whisper v2.0 被转换为 CTranslate2 格式,以便与 CTranslate2 和 faster-whisper 一起使用,提供安装、推理示例、Apple M2 基准测试和转换说明。
研究领域相近的资源
- japanese-gpt-neox-smallrinna656k一个 12 层、768 隐藏层的日语 GPT‑NeoX 模型,训练数据为 CC‑100、C4 以及 Wikipedia,兼容 Huggingface,并配备可选的玩具前缀调优权重,能强制每个句子末尾以笑脸表情符号结束。共同: 语言模型・语义文本处理
- llm-jp-3-150mllm-jp75kLLM‑jp‑3‑150m——来自国立信息学研究所LLM研发中心的150 M参数日语语言模型——以 Hugging Face Transformers 格式发布,需要 torch ≥ 2.3.0、transformers ≥ 4.40.1、accelerate ≥ 0.29.3、flash‑attn ≥ 2.5.8,并且在日本维基百科、Common Crawl、WARP/PDF、WARP/HTML 和 Kaken 数据上使用 unigram byte‑fallback tokenizer 进行预训练。共同: 语言模型・语义文本处理
- sentence-bert-base-ja-mean-tokens-v2sonoisa53k一款在 cl‑tohoku/bert‑base‑japanese‑whole‑word‑masking 上使用 MultipleNegativesRankingLoss 细调的 Japanese Sentence‑BERT v2,较 v1 提升了约 1.5–2 %的准确率,并以 sonoisa/sentence‑bert‑base‑ja‑mean‑tokens‑v2 发布。共同: 语言模型・语义文本处理
- modernbert-ja-310msbintuitions36kModernBERT‑Ja‑310M 是一种日语 BERT 变体,融合了局部-全局注意力和 RoPE,训练于 4.09 T 日语/英语文本,支持 102 400 词汇量、8 192 令牌序列,并针对 Flash Attention 2 进行了优化。共同: 语言模型・语义文本处理
- deberta-v2-base-japaneseku-nlp24kJapanese DeBERTa V2 基础模型已在 171 GB 的日语维基百科、CC‑100 和 OSCAR 数据上预训练,使用 Juman++ 分词和 SentencePiece 标记化,经过三周在八块 NVIDIA A100 GPU 上训练,现已准备好用于微调。共同: 语言模型・语义文本处理
- transformers-ud-japanese-electra-base-ginza-510megagonlabs22kja_ginza_electra 是一个 spaCy v3 Python 包,提供一个在 mC4 和 UD_Japanese_BCCWJ r2.8(基于 megagonlabs/transformers‑ud‑japanese‑electra‑base‑discrimininator)上微调的日语 ELECTRA 模型,并配有自定义 bunsetu‑phrase 检测功能,按 MIT license 分发。共同: 语言模型・语义文本处理