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。
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)
42,000
Hugging Face 按讚數
21
收錄日
2026年6月30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 | 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 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- bert-base-japanese-char-v3tohoku-nlp130kJapanese‑language BERT‑Base(12層,768‑次元,12頭)以 Unidic 為基礎的單詞層級加字符層級標記化以及整詞遮蔽,在 CC‑100 和 2023 Wikipedia 上進行預訓練,產生了 7,027‑token 詞彙。
- bert-large-japanese-v2tohoku-nlp66kJapanese‑BERT‑Large 在 CC‑100 和 Wikipedia 上訓練,使用 Unidic‑lite 詞級分詞,結合 WordPiece 子詞與全詞遮蔽,模型為 24 層、1024 維隱藏、16 頭、32k 詞表;預訓練程式碼位於 cl‑tohoku/bert‑japanese。
- bert-base-japanese-v3tohoku-nlp66kJapanese BERT‑base (12 層, 768‑維度隱藏, 12 頭, 32k 詞彙) 以完整詞遮蔽在 CC‑100 與 2023‑Jan Wikipedia 上預訓練,使用 Unidic 2.1.2 詞級分詞加 WordPiece,訓練 200 萬步。
- t5-base-japanese-v1.1sonoisa17k一個以約 100 GB 的 Wikipedia 與 OSCAR CC‑100 數據(混合 10:1、Byte‑fallback 的 SentencePiece)預訓練的日本 T5‑v1.1 模型,需對下游任務進行微調,包含遷移學習範例程式碼,提示輸出可能存在偏差,且採用 CC‑BY‑SA 4.0 授權。
- deberta-v3-base-japaneseku-nlp13k日文 DeBERTa V3 基礎版本,預訓練於 LLM‑jp v1.0 的 540 B 個 token,使用已調整的 DeBERTa V3 設定,採用 unigram byte‑fallback tokenizer(無形態學分析器),並進行 fine‑tuned 於 JGLUE NLU 任務。
- Moonlight-16B-A3B-Instruct-ggufmmnga7k一個 gguf 格式的 moonshotai 的 Moonlight‑16B‑A3B‑Instruct,已經在 TFMC 的 imatrix 日語資料集上訓練,準備好可與 llama.cpp (CUDA‑enabled) 一同使用,並可透過執行 recipe‑request 提示來展示。
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
CrispASRCrispStrobe732面向多語言語音辨識與語音合成模型的 C++(ggml)執行環境中心:Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 等,另提供通用強制對齊等功能。多語言共同: 語音辨識・語音合成