一個基於 DistilBERT、已量化的 ONNX 模型,能以 93.5% 的準確率偵測日語說話輪次,延遲 <14 ms,可即時整合至 Python、ONNX Runtime 或 VideoSDK。
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)
2,000
Hugging Face 按讚數
2
收錄日
2026年10月13日
研究領域相近的資源
whisperopenai110k透過大規模弱監督實現的穩健語音辨識。多語言共同: 語音辨識・影像與多模態- Qwen3-ASR-1.7B-JA-Anime-Galgamejaykwok5k完整微調的 1.7B Qwen3-ASR 檢查點,用於日語 galgame、視覺小說和動漫風格語音辨識,訓練於 Galgame_Speech_ASR 資料集,並提供推論權重與訓練恢復檔以支援領域調整及字幕生成工作流程。共同: 語音辨識・影像與多模態
- 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。共同: 語音辨識
transformershuggingface167k🤗 Transformers:面向文字、視覺、音訊及多模態領域最先進機器學習模型的模型定義框架,同時支援推論與訓練。多語言共同: 影像與多模態
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