japanese-hubert-large

大规模日语语音表示学习模型HuBERT

模型 rinna 开源项目 HuBERT 自监督学习 Huggingface 语音识别 Github 日语语音模型

rinna公司训练的日语HuBERT Large模型采用24层transformer架构，在19,000小时ReazonSpeech语料库上训练。该模型能够提取1024维日语语音特征表示，为语音识别、合成等任务提供基础。研究人员和开发者可利用此开源模型进行各种日语语音处理应用的开发。模型采用Apache 2.0开源协议，使用方便。可通过Hugging Face transformers库轻松加载使用，支持提取日语语音特征。该项目还提供了fairseq格式的检查点文件，方便研究人员进行深入研究和二次开发。

访问官网

Github

Huggingface

介绍相关项目

wav2vec2-large-xlsr-53-japanese - 基于Wav2Vec2的日语语音识别模型

Common VoiceGithubHuggingfaceWav2Vec2XLSR-53开源项目日语模型语音识别

该模型是在facebook/wav2vec2-large-xlsr-53基础上，使用日语语音数据集微调而来的语音识别模型。在Common Voice日语测试集上，其词错误率(WER)为81.80%，字符错误率(CER)为20.16%，优于同类模型。它可直接用于日语语音转文本，无需额外语言模型。模型要求输入音频采样率为16kHz。

line-distilbert-base-japanese - LINE DistilBERT模型推动日语文本智能处理

Apache License 2.0GithubHuggingfaceLINE DistilBERT开源项目日本语模型模型架构预训练模型

LINE Corporation推出的DistilBERT模型专为日语文本处理而设计，基于BERT-base教师模型，在131 GB日语网络文本上完成了预训练。模型采用DistilBERT架构，有6层、768隐层、12个注意力头和66M参数。评估结果优秀，JGLUE评测中表现出色。其使用MeCab和SentencePiece进行分词和子词处理，词汇量为32768。适用于多种日语NLP任务，遵循Apache 2.0许可证。在GitHub上提供更多信息。

deberta-v2-large-japanese-char-wwm - 基于DeBERTa V2的大规模日语预训练语言模型

DeBERTa V2GithubHuggingface字符级tokenization开源项目日语模型自然语言处理预训练模型

deberta-v2-large-japanese-char-wwm是一个基于DeBERTa V2架构的日语预训练语言模型。它采用字符级分词和全词遮蔽技术，在171GB的日语语料库上训练而成。该模型支持掩码语言建模等任务，可直接处理原始文本。经26天训练后，模型在掩码语言建模评估集上达到79.5%的准确率，为日语自然语言处理研究和应用提供了强大工具。

deberta-v2-base-japanese - 日语DeBERTa V2 base模型：为自然语言处理提供强大基础

DeBERTa V2GithubHuggingface开源项目日语机器学习模型自然语言处理预训练模型

DeBERTa V2 base日语模型基于维基百科、CC-100和OSCAR数据集预训练而成。该模型在情感分析、语义相似度和问答等多项自然语言理解任务中表现优异。模型采用Juman++分词技术，并使用sentencepiece构建32000个子词词表。预训练过程耗时3周，使用8块NVIDIA A100 GPU。在JGLUE基准测试中，模型在MARC-ja、JSTS、JNLI、JSQuAD和JComQA等任务上均取得了与现有最佳模型相当或更好的结果，突显了其在各种日语自然语言理解任务中的广泛适用性和高效性。这一模型为日语自然语言处理研究和应用提供了坚实基础。

t5-large-medium - 基于Transformer的日文预训练模型，提高NLP任务性能

GithubHuggingfaceRetrievaT5 v1.1Transformer开源项目日语模型预训练

该T5 v1.1模型基于Transformer架构，专为日文语料进行预训练。通过使用GEGLU激活函数代替ReLU，提升了文本生成质量。模型在预训练时关闭Dropout以提升泛化能力，微调时可重启。训练数据包括mC4/ja和日本Wikipedia，确保日文内容的纯净性。此大型模型拥有约7.7亿参数，适用于广泛的日文自然语言处理任务，表现出优异的性能与适应性。

mHuBERT-147 - 支持147种语言的紧凑型多语言HuBERT模型

GithubHuggingfacemHuBERT-147声学模型多语言开源项目数据集模型训练数据

mHuBERT-147是一个支持147种语言的多语言HuBERT模型，使用95M参数的基础架构，并通过faiss IVF离散语音单元训练。该模型在多项测试中表现优异，特别是在语种识别任务中取得最新的领先成绩，具备良好的应用前景。

bert-base-japanese-char-v2 - 基于日语维基百科的字符级BERT预训练模型

BERTGithubHuggingface开源项目日语模型机器学习模型维基百科数据集自然语言处理

本模型是基于日语维基百科训练的BERT预训练模型，采用字符级分词和全词掩码方法。它保持了原始BERT的12层结构和768维隐藏状态，使用MeCab和Unidic词典处理输入文本，词汇量为6144。训练在Cloud TPU上完成，遵循原始BERT的配置。该模型可广泛应用于日语自然语言处理领域，为研究和开发提供有力支持。

bert-base-japanese - 预训练于日语维基百科的BERT模型结合IPA词典和WordPiece分词

BERTGithubHuggingface开源项目日语模型机器学习模型维基百科自然语言处理

该项目提供了一个基于日语维基百科预训练的BERT模型。模型采用IPA词典进行词级分词，并结合WordPiece算法进行子词处理。它保持了原始BERT base的架构设计，在2019年9月的日语维基百科数据上进行训练。模型使用MeCab配合IPA词典进行形态分析，词汇量达32000。遵循原始BERT的训练参数，该模型可广泛应用于日语自然语言处理领域。

bert-base-japanese-char-v3 - BERT-base日语字符级预训练模型

BERTGithubHuggingface全词掩码字符级分词开源项目日语预训练模型模型自然语言处理

bert-base-japanese-char-v3是一个基于BERT架构的日语预训练模型，采用字符级分词和整词掩码策略。模型在CC-100和日语维基百科上训练，具有12层结构和7027词汇量。它使用MeCab和Unidic 2.1.2进行分词，在TPU上训练了200万步，为日语NLP任务提供了有力支持。

bert-base-japanese-char - 日语BERT模型采用字符级分词预训练

BERTGithubHuggingface字符分词开源项目日语机器学习模型维基百科

bert-base-japanese-char是一个基于日语维基百科训练的BERT模型，采用字符级分词。模型架构包括12层、768维隐藏状态和12个注意力头，词汇量4000。处理流程先用MeCab进行形态分析，再进行字符级分词。模型在约1700万个句子上训练100万步，每批次处理256个实例，每个实例包含512个标记。该模型适用于各种日语自然语言处理任务。

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号