Fine‑tuned Japanese phoneme CTC model based on rinna/japanese-hubert-base, released as a higher‑accuracy v2 that excludes sentences containing “日本/方/明日”, removes those with “十/0/0” whose pyopenjtalk-plus pronunciation includes “ジュッ”, and changes the “言う” pronunciation from “イウ” to “ユー”.
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
4
收錄日
2025年7月8日
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(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 | — |
| 2026年7月 | — |
| 2026年8月 | — |
| 2026年9月 | 5,000 |
| 2026年10月 | 19,000 |
| 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
- japanese-hubert-base-phoneme-ctcprj-beatrice4k基於 rinna/japanese‑hubert‑base 的微調日語音素 CTC 模型,使用 ReazonSpeech v2 數據與 pyopenjtalk‑plus 標籤訓練,在新版 v2 釋出(prj-beatrice/japanese-hubert-base-phoneme-ctc-v2)中達到更佳準確度。
- japanese-hubert-base-phoneme-ctc-v3prj-beatrice2kFine‑tuned Japanese HuBERT‑base for CTC phoneme recognition (v3),加入 MeCab N‑best 與 pyopenjtalk‑plus 後處理,使用結合 CTC 和 MeCab 成本的加權損失、更新排除規則,以及新增「ty」音素。
- 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。
研究領域相近的資源
- LFM2.5-Audio-1.5B-JP-GGUFLiquidAI506k量化 GGUF 版本的 LiquidAI LFM 2.5‑Audio 1.5B JP 模型,包括語言、音訊編碼器和聲碼器權重(F32/F16/Q8_0/Q4_0),以及使用 llama.cpp 的 ASR 與 TTS CLI/Server 運行器。共同: 語音辨識・語音合成
sherpa-onnxk2-fsa15k基於新一代 Kaldi 與 onnxruntime、無需連網的語音辨識、語音合成、說話者分離、語音增強、聲源分離與 VAD。支援嵌入式系統、Android、iOS、HarmonyOS、Raspberry Pi、RISC-V、RK NPU、Axera NPU、Ascend NPU、x86_64 伺服器、WebSocket 伺服端/用戶端,並支援12種程式語言。多語言共同: 語音辨識・語音合成
moonshinemoonshine-ai11k面向建構語音代理與介面的超低延遲語音轉文字、意圖識別與文字轉語音。多語言共同: 語音辨識・語音合成
mlx-audioNeywa-Labs8k基於 Apple MLX 框架建構的語音合成(TTS)、語音辨識(STT)與語音轉換(STS)函式庫,在 Apple Silicon 上提供高效的語音分析。多語言共同: 語音辨識・語音合成
FluidAudioFluidInference3k可嵌入應用程式的前沿 CoreML 音訊模型 —— 語音合成、語音辨識、語音活動偵測與說話者分離。基於 Swift,採用 SOTA 開源技術。多語言共同: 語音辨識・語音合成- kana-whispersbintuitions42k一個經過微調的 Whisper large-v3-turbo 模型,能將日語語音轉錄成片假名,作為 Sarashina2.2-TTS 專案內 Joyo Kanji Yomi Benchmark 的 ASR 組件,同時驅動 Kana CER Usage With Transformers 管道。共同: 語音辨識・語音合成