NVIDIA NeMo 的 0.6 B 参数 Hybrid FastConformer‑TDT‑CTC ASR 模型可转写带标点的日语语音,并可在 NeMo 框架内用于推理或微调。
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)
7,000
Hugging Face 点赞数
74
收录日
2024年5月24日
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 2025年12月 | 3,000 |
| 2026年1月 | 3,000 |
| 2026年2月 | 4,000 |
| 2026年3月 | 11,000 |
| 2026年4月 | 8,000 |
| 2026年5月 | 15,000 |
| 2026年6月 | 9,000 |
| 2026年7月 | 6,000 |
| 2026年8月 | 5,000 |
| 2026年9月 | 7,000 |
| 2026年10月 | 8,000 |
| 2026年11月 | 7,000 |
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
asrzakuro-ai72使用PyTorch中的deepspeech2模型和Zakuro AI的支持进行自动语音识别。GitHub共同: 文本生成・语音与音频- kotoba-whisper-bilingual-v1.0kotoba-tech4kKotoba‑Whisper‑Bilingual v1.0 提供了快 6.3 倍的蒸馏 Whisper 模型,用于日语和英语 ASR,并实现双向语音转文本翻译,这些模型是基于 OpenAI 的 Whisper large‑v3 通过知识蒸馏、交叉熵和 KL‑divergence 损失构建。共同: 文本生成・语音与音频
tsukasa-speechrespaired66一个前沿的日语语音生成网络GitHub共同: 文本生成・语音与音频- japanese-anime-speechjoujiboi946日本动漫语音数据集提供73,004对音频-文本(总计110小时,已从V1升级至V5),用于提升ASR模型,例如OpenAI的Whisper,按开放许可证提供给所有使用,欢迎署名。HF 数据集共同: 文本生成・语音与音频
- 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。共同: 语音与音频
- japanese-hubert-base-phoneme-ctc-v4prj-beatrice12k微调日语 Hubert‑Base 用于 CTC 音素识别(v4)并更新句子过滤规则、发音调整以及将 GPU 切换到 A6000,训练在 110k 步时停止。共同: 语音与音频