一个经过微调的 Whisper large‑v3‑turbo 模型,用于将日语语音转录为片假名,作为 Sarashina2.2‑TTS 项目中 Joyo Kanji Yomi Benchmark 的 ASR 组件,并驱动 Kana CER Usage With Transformers 管道。
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)
42,000
Hugging Face 点赞数
21
收录日
2026年6月30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 | 2,000 |
| 2026年7月 | 5,000 |
| 2026年8月 | 12,000 |
| 2026年9月 | 45,000 |
| 2026年10月 | 55,000 |
| 2026年11月 | 42,000 |
各月最后一次快照时的近 30 天下载数。
同分类的热门资源
- bert-base-japanese-char-v3tohoku-nlp130k日本语言 BERT‑Base(12 层,768 维,12 头)使用 Unidic 基于词级加字符级分词和全词掩码在 CC‑100 及 2023 Wikipedia 上进行预训练,产生 7,027 名词表。
- bert-large-japanese-v2tohoku-nlp66kJapanese‑BERT‑Large 在 CC‑100 和 Wikipedia 上训练,使用 Unidic‑lite 单词级标记化配合 WordPiece 子词和全词掩码(24 层,1024 维隐藏层,16 头,32k 词表),预训练代码在 cl‑tohoku/bert‑japanese。
- bert-base-japanese-v3tohoku-nlp66kJapanese BERT‑base(12层,768维隐藏层,12头,32 k词汇表)在 CC‑100 和 2023‑Jan Wikipedia 上使用全词遮蔽预训练,采用 Unidic 2.1.2 词级分词加 WordPiece,训练 200 万步。
- t5-base-japanese-v1.1sonoisa17k一个预训练在≈100 GB的维基百科和 OS CC‑100 数据(SentencePiece 采用 10:1 混合且带 byte‑fallback)的日文 T5‑v1.1 模型,需要微调以适用于下游任务,包含迁移学习示例代码,指出输出中的潜在偏差,并遵循 CC‑BY‑SA 4.0 许可。
- deberta-v3-base-japaneseku-nlp13kJapanese DeBERTa V3 base 在 LLM‑jp v1.0 的 540 B tokens 上预训练,使用经过修改的 DeBERTa V3 设置训练,采用 unigram byte‑fallback tokenizer(不使用形态学分析器),并针对 JGLUE NLU 任务进行微调。
- Moonlight-16B-A3B-Instruct-ggufmmnga7k提供了 gguf 格式的 moonshotai 的 Moonlight‑16B‑A3B‑Instruct,已在 TFMC 的 imatrix 日语数据集上训练,准备好与 llama.cpp(CUDA‑enabled)一起使用,并通过执行 recipe‑request 提示来演示。
研究领域相近的资源
- LFM2.5-Audio-1.5B-JP-GGUFLiquidAI506kLiquidAI 的 LFM 2.5‑Audio 1.5B JP 模型的量化 GGUF 版本,包括语言、音频编码器和声码器权重(F32/F16/Q8_0/Q4_0),以及使用 llama.cpp 的 ASR 和 TTS CLI/Server 运行器。共同: 语音识别・语音合成
sherpa-onnxk2-fsa15k基于新一代 Kaldi 与 onnxruntime、无需联网的语音识别、语音合成、说话人分离、语音增强、声源分离与 VAD。支持嵌入式系统、Android、iOS、HarmonyOS、Raspberry Pi、RISC-V、RK NPU、Axera NPU、Ascend NPU、x86_64 服务器、WebSocket 服务端/客户端,并支持12种编程语言。多语言共同: 语音识别・语音合成
moonshinemoonshine-ai11k面向构建语音代理与界面的超低延迟语音转文字、意图识别与文字转语音。多语言共同: 语音识别・语音合成
mlx-audioNeywa-Labs8k基于 Apple MLX 框架构建的语音合成(TTS)、语音识别(STT)与语音转换(STS)库,在 Apple Silicon 上提供高效的语音分析。多语言共同: 语音识别・语音合成
FluidAudioFluidInference3k可嵌入应用的前沿 CoreML 音频模型 —— 语音合成、语音识别、语音活动检测与说话人分离。基于 Swift,采用 SOTA 开源技术。多语言共同: 语音识别・语音合成
CrispASRCrispStrobe732面向多语言语音识别与语音合成模型的 C++(ggml)运行时中心:Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 等,另提供通用强制对齐等功能。多语言共同: 语音识别・语音合成