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

llm-jp-1.3b-v1.0 - 大规模语言模型支持多语言和多种编程语言

GithubHuggingfaceLLM-jp大型语言模型开源项目模型深度学习自然语言处理训练数据

此大规模语言模型由日本研发，支持多语言（含日语和英语）及多编程语言。采用Transformer架构，经过预训练和指令调优，适用于多种自然语言处理任务。模型在多个硬件和软件环境中优化，包括使用Megatron-DeepSpeed和TRL，可用于生成自然语言文本，应用广泛，性能优异。

llm-jp-3-13b-instruct - 提供多语言大规模模型，支持多编程环境

GithubHuggingfacellm-jp-3-13b-instructtransformers大型语言模型开源项目数据集模型自然语言处理

项目由日本国立信息学研究所研发，部分支持来自GENIAC。模型包含13b版，基于Transformer架构，支持多种语言如Python、Java、Rust。预训练数据集丰富，适用于日语、英语等多语言环境。项目使用Huggingface的Transformers，评估覆盖多领域任务。模型处于早期阶段，尚未完全对输出的人类意图和安全性进行调校。

japanese-gpt-neox-3.6b - 基于GPT-NeoX架构的36亿参数日语大语言模型

GPT-NeoXGithubHuggingface开源项目日语预训练模型深度学习自然语言处理语言模型

japanese-gpt-neox-3.6b是一个基于GPT-NeoX架构的日语大语言模型，拥有36亿参数。该模型在超过3125亿个日语语料库tokens上训练，包括CC-100、C4和维基百科数据。模型采用36层、2816隐藏层的transformer架构，验证困惑度为8.68。使用sentencepiece分词器，词表大小32,000，支持UTF-8字节分解。模型已开源并提供训练数据和使用文档。

llm-jp-3-1.8b-instruct - 跨平台大规模语言模型的多语言开发与评估

GithubHuggingfacellm-jptransformers大规模语言模型开源项目指令微调模型预训练

项目由日本国家信息学研究所研发中心开发，提供支持多种编程语言的大型语言模型，如C、Python、Java。采用Transformer架构，模型经过大规模数据集的预训练与优化微调，适用于多语言环境。用户可通过Hugging Face Transformers库轻松集成与使用。项目提供模型技术细节、参数设置和语言标记器使用方法，以及多样化的数据集和评估方案，适用于中文、英文、日文等语言。

bert-base-japanese-v3-ner-wikipedia-dataset - 基于维基百科数据集的日语命名实体识别BERT模型

BERTGithubHuggingfaceWikipedia数据集固有表現認識大规模语言模型开源项目模型自然语言处理

本项目提供了一个基于BERT的日语命名实体识别模型，该模型使用维基百科数据集进行训练。模型能够识别日语文本中的人名、地名等实体，可通过Transformers库轻松调用。项目源自《大规模语言模型入门》一书，提供了使用示例和相关资源链接，采用Apache 2.0许可证。

JaColBERTv2.5 - 优化资源应用的日语信息检索模型

GithubHuggingfaceJaColBERTv2.5多语言模型开源项目数据集日本语检索器模型模型权重

该模型使用全新的训练方法，基于40%的数据成功创建了高效的日语信息检索系统。在多个数据集上表现优异，特别是改进的多向量检索方法，在资源受限的情况下提供卓越性能，优于包括BGE-M3在内的多语言模型，适合资源有限的应用场景。

roberta-base-japanese-with-auto-jumanpp - 日语RoBERTa预训练语言模型

GithubHuggingfaceRoBERTa开源项目文本预训练日语模型机器学习模型自然语言处理

RoBERTa日语基础模型通过日本维基百科和CC-100语料库训练而成,采用Juman++分词系统和32000规模词表,支持掩码语言建模与下游任务微调。模型经过A100 GPU集群训练,在JGLUE基准测试中展现出稳定性能,可作为日语自然语言处理的基础模型使用。

w2v-bert-2.0 - 大规模多语言语音编码器

GithubHuggingfaceSeamless CommunicationTransformersW2v-BERT 2.0开源项目模型语音编码器预训练模型

W2v-BERT 2.0是一款开源的多语言语音编码器，基于Conformer架构设计。该模型包含6亿参数，在4.5百万小时的无标签音频数据上进行预训练，涵盖143种语言。作为Seamless系列的核心组件，W2v-BERT 2.0可应用于自动语音识别和音频分类等任务。该模型支持通过Hugging Face Transformers和Seamless Communication框架使用，为多语言语音处理研究提供了有力工具。

luke-japanese-large - 日语知识加强型词汇和实体嵌入模型

GithubHuggingfaceLUKE实体表示开源项目日语版模型知识增强语言理解

模型是日语版的知识增强型Transformer模型，通过将单词和实体处理为独立的词元来生成其上下文表示。该模型集成了Wikipedia实体嵌入，在特定NLP任务中表现优异。对于不使用Wikipedia实体的任务，建议使用轻量版。luke-japanese在JGLUE数据集的实验中表现出色，相较于多种基线模型效果更佳，特别是在MARC-ja、JSTS和JNLI任务中表现突出。为日语自然语言处理提供了准确理解文本与实体的有力工具。

japanese-gpt2-small - rinna开发的轻量级日语自然语言处理模型

GPT-2GithubHuggingface开源项目文本生成日语模型机器学习模型自然语言处理

japanese-gpt2-small是rinna公司开发的轻量级日语GPT-2模型。该模型基于CC-100和日语维基百科数据集训练，采用12层768隐藏单元的Transformer架构。它使用SentencePiece分词器，适用于文本生成等多种自然语言处理任务。模型在V100 GPU上训练约15天，验证集困惑度达到21左右。作为日语NLP的预训练基础模型，japanese-gpt2-small为相关研究和应用提供了有力支持。

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