Модель Wespeaker на ResNet34 извлекает векторные представления речи для сравнения и распознавания говорящих.
Подходит для: извлечение эмбеддингов голоса из аудиозаписи · сравнение двух голосовых записей · верификация личности говорящего по голосу
Компактная модель WeSpeaker на базе ResNet34 создаёт эмбеддинги голоса для верификации говорящего и диаризации аудио.
Подходит для: сравнение голосов для проверки личности говорящего · группировка фрагментов аудиозаписи по говорящим · извлечение голосовых эмбеддингов для поиска похожих голосов
Набор моделей Whisper в формате Core ML для локального распознавания речи и транскрибации на устройствах Apple Silicon.
Подходит для: локальная транскрибация аудиозаписей на устройствах Apple · преобразование речи в текст в приложениях для Apple Silicon · распознавание речи без отправки аудио на сервер
Конверсия Wespeaker ResNet34-LM в GGUF извлекает 256-мерные эмбеддинги голоса для сравнения говорящих и диаризации.
Подходит для: извлечение эмбеддингов говорящих из аудиозаписей · сравнение голосов в двух аудиофрагментах · группировка реплик по говорящим при диаризации
Базовая wav2vec 2.0, предварительно обученная на аудиоречи и предназначенная для дообучения под распознавание речи.
Подходит для: подготовка основы для системы автоматического распознавания речи · дообучение распознавателя речи на размеченных аудиозаписях · обучение распознаванию речи при ограниченном объёме транскрипций
Мультиязычная модель Facebook AI для извлечения речевых представлений, предназначенная для дообучения под распознавание речи, перевод и классификацию.
Подходит для: дообучение системы распознавания речи · дообучение перевода речи · классификация речевых сигналов
Многоязычная предварительно обученная модель речевых представлений на wav2vec 2.0, которую дообучают для распознавания и других задач обработки речи.
Подходит для: дообучение распознаванию речи в аудиозаписях · дообучение переводу речи между языками · классификация речевых аудиоданных
Модель настраивает совместимый с Kokoro-82M голосовой пакет по короткому образцу речи для последующего синтеза речи с клонированным голосом.
Подходит для: создание голосового профиля по записи одного говорящего · клонирование английского голоса для озвучивания нового текста · настройка тембра речи в Kokoro-82M
Многоязычная модель wav2vec2 для преобразования речи в текст на более чем тысяче языков.
Подходит для: транскрибация аудиозаписей на малоресурсных языках · распознавание речи для многоязычных приложений · создание текстовых расшифровок устных высказываний
Модель Wav2Vec2-Conformer с rotary position embeddings распознаёт английскую речь и преобразует аудио 16 кГц в текст.
Подходит для: транскрибирование английских аудиозаписей · распознавание речи в аудио с частотой 16 кГц · создание текстовых расшифровок записей LibriSpeech
Модель Wav2Vec2, дообученная для транскрибации русской речи, включая лекции и интервью.
Подходит для: транскрибация русскоязычных лекций · распознавание речи в интервью · преобразование аудиозаписей в текст
Предварительно обученная на английской речи модель Wav2Vec2-Conformer, предназначенная для дообучения под распознавание речи.
Подходит для: дообучение базовой модели для транскрибации английской речи · создание речевых представлений для последующей системы распознавания речи · эксперименты с распознаванием речи на данных LibriSpeech
Модель Facebook для распознавания английской речи и транскрибирования аудио с частотой дискретизации 16 кГц.
Подходит для: транскрибирование английских аудиозаписей · распознавание речи в аудиофайлах с частотой 16 кГц · получение текстовой расшифровки записей LibriSpeech
Предварительно обученная многоязычная речевая модель Wav2Vec2 для адаптации к распознаванию речи, переводу и классификации аудио.
Подходит для: дообучение для распознавания речи на редком языке · адаптация речевой модели для перевода аудио · классификация речевых записей после дообучения
Модель Microsoft на основе WavLM формирует голосовые эмбеддинги для проверки личности говорящего по аудио с частотой 16 кГц.
Подходит для: сравнение голосов для проверки личности говорящего · верификация пользователя по голосу · извлечение голосовых эмбеддингов из речевых записей
Базовая англоязычная модель Microsoft для извлечения речевых признаков из аудио и последующей настройки под задачи обработки речи.
Подходит для: извлечение признаков из англоязычной речи · подготовка речевых представлений для дообучения ASR · дообучение на классификацию аудиозаписей
Набор моделей Core ML для распознавания речи и определения говорящих в аудиозаписях на устройствах Apple.
Подходит для: распознавание речи в аудиозаписях · определение говорящих в разговоре · диаризация записей встреч и интервью
Базовая речевая модель Facebook Wav2Vec2-Large для извлечения представлений из аудио и дообучения под распознавание речи.
Подходит для: дообучение модели для распознавания речи · создание ASR-системы на размеченных аудиозаписях · обучение распознаванию речи при ограниченном объёме транскрипций
Большая предварительно обученная Wav2Vec2-модель Facebook AI для распознавания испанской речи после тонкой настройки.
Подходит для: дообучение распознаванию испанской речи · создание системы транскрибации аудио на испанском языке · адаптация распознавания речи к целевому корпусу
Самоконтролируемая wav2vec2-модель, предварительно обученная на вьетнамской речи и предназначенная как акустическая основа для распознавания речи.
Подходит для: распознавание вьетнамской речи в аудиозаписях · адаптация акустической модели для вьетнамского ASR · транскрибирование вьетнамских разговоров
Набор моделей Whisper в формате TFLite для распознавания и перевода речи в приложении Whisper на F-Droid.
Подходит для: транскрибация аудиозаписей · распознавание речи на заданном языке · перевод речи в текст
Модель Argmax для распознавания речи из аудио в формате Core ML с библиотекой WhisperKit.
Подходит для: транскрибирование аудиозаписей · распознавание речи в приложениях на платформах Apple · получение текста из голосовых записей
Многоязычная CTC-модель OWSM-CTC v4 распознаёт речь и поддерживает перевод речи и определение языка.
Подходит для: распознавание речи в аудиозаписях · перевод речи между языками · определение языка по аудиозаписи
Англоязычная модель ESPnet JETS в формате ONNX для преобразования текста в речь.
Подходит для: озвучивание английского текста в приложении · создание аудиоверсий текстового контента · добавление синтеза речи в конвейер txtai