NVIDIA NeMo 的 0.6 B‑參數 Hybrid FastConformer‑TDT‑CTC ASR 模型能帶標點符號轉錄日語語音,並且可在 NeMo 框架內進行推論或微調。
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)
7,000
Hugging Face 按讚數
74
收錄日
2024年5月24日
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(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 |
各月最後一次快照時的近 30 天下載數。
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
asrzakuro-ai72使用PyTorch中的deepspeech2模型和Zakuro AI的支援進行自動語音識別。GitHub共同: 文本生成・語音與音訊- kotoba-whisper-bilingual-v1.0kotoba-tech4kKotoba‑Whisper‑Bilingual v1.0 提供 6.3 倍更快的蒸餾 Whisper 模型,支援日本語與英語的 ASR 以及雙向語音轉文字翻譯,這些模型由 OpenAI 的 Whisper large‑v3 透過 knowledge distillation 與 cross‑entropy 及 KL‑divergence loss 建構。共同: 文本生成・語音與音訊
tsukasa-speechrespaired66一個前沿的日語語音生成網絡GitHub共同: 文本生成・語音與音訊- japanese-anime-speechjoujiboi946Japanese Anime Speech Dataset 提供 73,004 對音頻-文字對(共 110 小時,從 V1 演進至 V5),用於提升 ASR 模型(如 OpenAI 的 Whisper),在開放授權下可供任何使用,若能標明來源將不勝感激。HF 資料集共同: 文本生成・語音與音訊
- kotoba-whisper-v2.0-fasterkotoba-tech13kKotoba Whisper v2.0 已轉換為 CTranslate2 格式,可與 CTranslate2 與 faster‑whisper 一同使用,並提供安裝、推理範例、Apple M2 基準測試以及轉換說明。共同: 語音與音訊
- japanese-hubert-base-phoneme-ctc-v4prj-beatrice12k已微調日本 Hubert‑Base 的 CTC 音素辨識 (v4),包含更新的句子過濾規則、發音調整,以及將 GPU 切換至 A6000,訓練停止於 110k 步。共同: 語音與音訊