distil-large-v2

高效精简的Whisper语音识别模型

模型 Github 模型压缩语音识别 Distil-Whisper 自动语音识别 Huggingface 开源项目 Transformers

distil-large-v2是Whisper语音识别模型的蒸馏版本,推理速度提高6倍,模型体积减少49%,性能接近原始模型。采用编码器-解码器架构,通过精简解码器层数实现加速。支持英语短音频和长音频转录,可作为Whisper辅助模型进行推测解码。基于多个开源数据集训练,适用广泛语音识别场景。

文档

tiny-random-whisper - 轻量级随机耳语模型为语音识别提供高效解决方案

Apache 2.0GithubHuggingface代码共享开源许可开源项目模型知识产权软件协议

tiny-random-whisper是一个轻量级随机耳语模型，用于语音识别。该项目采用随机化技术，在保持小型模型体积的同时实现良好的识别性能。适用于资源受限设备和快速部署场景，为开发者提供灵活的语音识别工具。

whisper-large-v3-german - 德语语音识别优化模型

GithubHuggingfaceOpenAIWhisper开源项目德语模型自动字幕语音识别

基于Whisper Large v3，专为德语语音识别优化，在转录、命令识别、字幕生成等方面表现优秀。词错误率为3.002%，字符错误率为0.81%，适合高效使用。

wav2vec2-large-960h - 大规模预训练语音识别模型实现低资源高性能

GithubHuggingfaceLibrispeechWav2Vec2开源项目模型深度学习自然语言处理语音识别

Wav2Vec2-Large-960h是Facebook开发的预训练语音识别模型，在960小时LibriSpeech数据上微调。采用自监督学习从原始音频学习表示，在低资源场景下表现优异。LibriSpeech测试集上词错误率为1.8/3.3。模型可用于语音转写，提供了详细使用示例。

wav2vec2-large-xlsr-53 - 突破性多语言语音识别模型适用低资源语言场景

GithubHuggingfaceWav2Vec2-XLSR-53多语言模型开源项目模型深度学习语音识别预训练模型

Wav2Vec2-XLSR-53是一款基于wav2vec 2.0架构的多语言语音识别模型。该模型通过在53种语言的原始音频上预训练，学习跨语言语音表示。在CommonVoice和BABEL等基准测试中，Wav2Vec2-XLSR-53显著优于单语言模型，特别适合低资源语言的语音识别任务。这一开源项目为研究人员提供了强大工具，有助于推动低资源语言语音理解的进展。

faster-whisper-base - OpenAI Whisper模型在CTranslate2格式下的应用

CTranslate2GithubHuggingfaceWhisper开源项目模型模型转换自然语言处理语音识别

本项目将OpenAI Whisper base模型转换为CTranslate2格式，支持多语种语音识别。适用于CTranslate2及其衍生项目如faster-whisper，并提供Python代码示例展示音频转录过程。模型采用FP16格式，可灵活调整计算类型。项目详细说明了转换过程，为开发者提供了便捷的语音识别工具。

whisper-tiny.en - 支持时间戳转录的轻量级英语语音识别模型

GithubHuggingfaceONNXTransformers.jsWhisper开源项目时间戳模型自动语音识别

基于transformers.js开发的轻量级英语语音识别模型，集成ONNX格式权重实现Web端部署。模型支持基础文本转录、时间戳转录及单词级时间戳标记等功能，通过JavaScript可快速实现音频转文本识别。

whisper-base-bungoma.en - 基于Whisper的英语语音识别模型优化Azure数据集处理

AzureGithubHuggingfaceOpenAI Whisper开源项目机器学习模型模型训练语音识别

该语音识别系统通过微调openai/whisper-base.en基础模型，针对Azure数据集进行优化。模型采用了先进的优化算法，经过精细训练后词错误率降至25.28%，实现了稳定的英语语音识别效果。

nb-whisper-large-beta - 挪威国家图书馆开发的多语言语音识别模型NB-Whisper

GithubHuggingfaceNB-Whisper人工智能开源项目挪威语机器学习模型语音识别

NB-Whisper是挪威国家图书馆开发的自动语音识别和语音翻译模型系列。基于OpenAI的Whisper架构，使用20,000小时标注数据训练，支持挪威语、挪威博克马尔语、挪威尼诺斯克语和英语。该模型能将口语转换为语法正确的书面语句，目前处于公开测试阶段，提供从tiny到large共5种规模可供选择。NB-Whisper在挪威语语音识别领域达到了最先进水平，但仍存在幻觉和丢失部分转录内容的问题。

Arabic-Whisper-CodeSwitching-Edition - 针对阿拉伯语和英语混合语音的优化识别模型

GithubHuggingfacetransformers代码转换开源项目模型语言模型语音识别阿拉伯语

本模型是经过精调的OpenAI Whisper Large v2版本，旨在提升阿拉伯语和英语混合语音的识别精度。基于阿拉伯-英语代码切换数据集训练，适用于处理多语言环境中的阿拉伯语和英语混合语音。虽然在该特定场景中表现优异，但在其它语言或单语言场景中性能可能有所下降。

distilbert-base-cased - DistilBERT：轻量高效的BERT模型，保留核心性能

BERTDistilBERTGithubHuggingface开源项目机器学习模型自然语言处理预训练模型

DistilBERT base model (cased)是BERT base model的轻量版本，通过知识蒸馏技术实现了模型压缩。它在BookCorpus和维基百科上进行自监督预训练，在保持核心性能的同时大幅减小了模型体积，加快了推理速度。这个模型主要用于微调下游NLP任务，如序列分类、标记分类和问答等。在GLUE基准测试中，DistilBERT展现出与原始BERT相当的性能，为需要效率与性能平衡的NLP应用提供了理想选择。

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com