一個基於 NVIDIA NeMo 的日本語自動語音辨識模型(parakeet‑ctc‑1.1b‑ja),支援透過 nemo.collections.asr.nemo_asr 進行文字轉錄,並有針對 Whisper v2/v3 的 WER/CER 效能說明及倫理使用指引。
其他語言的說明
統計
統計資料截至 2026年11月16日
Hugging Face 下載數(近 30 天)
1,000
Hugging Face 按讚數
25
收錄日
2026年10月13日
同分類的熱門資源
- wav2vec2-large-xlsr-53-japanesejonatasgrosman16M日語 wav2vec‑2 XLSR‑53 在 Common Voice 6.1、CSS10 與 JSUT 上微調,需要 16 kHz 音訊,並可透過 HuggingSound 或 HuggingFace pipelines 使用。
- wav2vec2-large-xlsr-japanese-hiraganavumichien153k一個經由 facebook/wav2vec2‑large‑xlsr‑53 在 Common Voice 與 JSUT corpus 微調的日語語音辨識模型,已優化為 16 kHz 音訊輸入。
- anime-whisperlitagin33kAnime Whisper 是一個輕量級的日語 ASR 模型,已在約 5,300 小時的動漫式對白上微調,提供低幻覺、節奏對齊的標點符號,並能準確轉錄非語音聲音和 NSFW 內容,必須在沒有初始提示的情況下運行。
- kotoba-whisper-v2.0kotoba-tech25kKotoba‑Whisper v2.0 是一款從 OpenAI Whisper large‑v3 提煉的日語ASR模型,使用 7.2 million ReazonSpeech 片段訓練,速度比原版快 6.3×,同時在領域測試中匹配教師模型的 CER/WER,並包含 stable‑ts/punctuation 支援及完整訓練程式碼於 GitHub。
- kotoba-whisper-v2.2kotoba-tech16kKotoba‑Whisper‑v2.2 是一款日語 ASR 模型,擴展了 kotoba‑whisper‑v2.0,整合了 integrated diarization 與 automatic punctuation,透過 HuggingFace‑Transformers pipeline 實現,並與 Asahi Ushio 和 Kotoba Technologies 合作開發。
- Qwen3-ASR-1.7B-JAneosophie13kFine‑tuned Qwen3‑ASR‑1.7B for Japanese ASR,優化以準確轉錄專有名詞、組織及產品名稱、漢字濃厚以及日英混合技術術語。
研究領域相近的資源
whisper.cppggml-org54kOpenAI Whisper 模型的 C/C++ 移植版。多語言共同: 語音辨識
faster-whisperSYSTRAN26k基於 CTranslate2 的更快 Whisper 轉寫。多語言共同: 語音辨識
whisperXm-bain24kWhisperX:具備詞級時間戳(及說話者分離)的自動語音辨識。多語言共同: 語音辨識
FunASRmodelscope21k支援訓練、推論、串流語音辨識、VAD、標點、說話者分離管線以及相容 OpenAI/MCP 服務的開源語音辨識工具包。多語言共同: 語音辨識
kaldikaldi-asr15kkaldi-asr/kaldi 是 Kaldi 專案的官方所在地。多語言共同: 語音辨識
vosk-apialphacep15k面向 Android、iOS、Raspberry Pi 及伺服器的離線語音辨識 API,支援 Python、Java、C# 和 Node。多語言共同: 語音辨識