Audio8 ASR Infinite

Nemotron 3.5 ASR

AI モデル

NVIDIAによって開発された多言語ストリーミング自動音声認識モデルで、40言語にわたる文字起こしをサポートします。低遅延で高スループットの高品質な文字起こしを提供し、多様な音響条件に適しています。Nemotron 3.5 ASRは、NVIDIAによって開発された多言語ストリーミング自動音声認識モデルで、40言語にわたる文字起こしをサポートします。低遅延で高スループットの高品質な文字起こしを提供し、多様な音響条件に適しています。

Whistle — 多言語音声認識モデル

AI モデル

さまざまなデバイス向けに設計されたコンパクトな音声認識モデルで、複数の言語での文字起こし、単語のタイムスタンプ、音声埋め込みを提供します。依存関係やGPU要件なしで効率的に動作します。Whistleは、さまざまなデバイス向けに設計されたコンパクトな音声認識モデルで、複数の言語での文字起こし、単語のタイムスタンプ、音声埋め込みを提供します。依存関係やGPU要件なしで効率的に動作します。

Whisper Large V3 Turbo

AI モデル

自動音声認識と翻訳のための最先端モデルで、デコーディング層を減らすことで速度を最適化しています。複数の言語をサポートし、堅牢な文字起こし機能を提供します。Whisper Large V3 Turboは、自動音声認識と翻訳のための最先端モデルで、デコーディング層を減らすことで速度を最適化しています。複数の言語をサポートし、堅牢な文字起こし機能を提供します。

Voxtral Mini 4B Realtime Arabic

AI モデル

アラビア語の方言と現代標準アラビア語に特化したストリーミング音声認識モデルです。実際の音声やコードスイッチングに対応し、ライブキャプションや音声インターフェースを提供します。Voxtral Mini 4B Realtime Arabicは、アラビア語の方言と現代標準アラビア語に特化したストリーミング音声認識モデルです。実際の音声やコードスイッチングに対応し、ライブキャプションや音声インターフェースを提供します。

ムーンドリーム・パラキート・ウルトラ

AI モデル

前モデルであるパラキート TDT-0.6b-v3を上回るように設計された高度な音声認識モデルです。背景ノイズや長時間の音声を含むさまざまなベンチマークで優れた性能を発揮し、複数の言語にわたって改善された単語誤り率を提供します。ムーンドリーム・パラキート・ウルトラは、前モデルであるパラキート TDT-0.6b-v3を上回るように設計された高度な音声認識モデルです。背景ノイズや長時間の音声を含むさまざまなベンチマークで優れた性能を発揮し、複数の言語にわたって改善された単語誤り率を提供します。

NVIDIA Parakeet ASRモデル

AI モデル

600百万パラメータを持つ自動音声認識モデルで、高品質な英語の文字起こしを目的としており、句読点、大文字、正確なタイムスタンプ予測をサポートしています。NVIDIA Parakeetは、600百万パラメータを持つ自動音声認識モデルで、高品質な英語の文字起こしを目的としており、句読点、大文字、正確なタイムスタンプ予測をサポートしています。

FunASR

AI GitHub リポジトリ

#118

トレーニング、推論、ストリーミングASRのために設計されたオープンソースの音声認識ツールキットです。VAD、句読点、話者のダイアリゼーション、OpenAI互換/MCPサービングをサポートしており、開発者にとって多用途なツールです。FunASRは、トレーニング、推論、ストリーミングASRのために設計されたオープンソースの音声認識ツールキットです。VAD、句読点、話者のダイアリゼーション、OpenAI互換/MCPサービングをサポートしており、開発者にとって多用途なツールです。

whisper-large-v3

AI モデル

自動音声認識および音声翻訳のための高度なモデルで、500万時間以上のデータで訓練されています。複数の言語においてパフォーマンスが向上しており、AIの開発者や研究者向けに設計されています。Whisper-large-v3は、自動音声認識および音声翻訳のための高度なモデルで、500万時間以上のデータで訓練されています。複数の言語においてパフォーマンスが向上しており、AIの開発者や研究者向けに設計されています。