メインコンテンツへスキップ
ToolPotion
AI アドバイザー
送信(無料)

Ming-3.0-asr-tiny

AI モデルAIモデルとLLMオープンソース · Linux

Ming-3.0-asr-tinyは、中国語、英語、さまざまな方言に対応した文脈認識音声認識モデルです。言語バックボーンとオーディオエンコーダーを使用して音声を文字起こしし、ホットワードを通じてドメイン特有の用語をサポートします。

モデルを見る
共有
モデルを見る
共有

Ming-3.0-asr-tinyは、中国語と英語の両方の言語、さらにはさまざまな地域の方言を扱うために設計された高度な音声認識モデルです。Ling-tiny-v3言語バックボーンとオーディオエンコーダーを統合し、単一ターンの音声を効果的に文字起こしします。このモデルは、ホットワードや前の対話を文字起こしのプロンプトの一部として組み込むことで、ドメイン特有の用語を認識するのに特に優れています。

続きを読む

このモデルは、広東語、閩南語、上海語を含む15の地域方言テストセットで評価されており、さまざまな言語的変異に対する堅牢性が確保されています。さらに、騒がしい環境や5つの異なるアプリケーションドメインを含む困難な音声シナリオでもテストされており、その多様性と適応性が強調されています。

Ming-3.0-asr-tinyは、互換性のあるCUDA GPUを搭載したLinuxマシンで使用可能です。ユーザーは完全なチェックポイントをダウンロードし、PyTorchやtorchaudioなどの必要な依存関係をインストールできます。このモデルは、通常の文字起こしと文脈認識音声認識の両方をサポートしており、ユーザーはトピックやホットワードを基本的な指示に直接追加できます。

モデルのアーキテクチャは、モデルのコンテキスト制限に従って、長い音声をチャンクでエンコードすることをサポートしていますが、単語レベルのタイムスタンプやスピーカーダイアリゼーションは提供していません。MITライセンスの下でリリースされており、一部のバンドルされたApache-2.0ソースファイルは独自のヘッダーとライセンス文を保持しています。

  • カテゴリーAIモデルとLLM
  • 料金モデルオープンソース
  • デプロイクラウド
  • プラットフォームLinux

  • 文脈認識音声認識

  • 中国語および英語のASR

  • 方言認識

  • ドメイン特有の用語認識

  • 困難な音声処理

  • Linux互換性

  • CUDA GPUサポート

  • MITライセンス

  1. モデルにアクセス: Hugging Faceを訪問

  2. 認証: アカウントを設定

  3. 環境を設定: 依存関係をインストール

  4. API経由で統合: PyTorch/Transformersを使用

  5. 最適化: ホットワードと文脈を使用

  • 多言語文字起こし
  • 方言認識
  • 騒がしい環境
  • ドメイン特有の用語
  • 文脈に基づくASR

Ming-3.0-asr-tiny のレビュー

読み込み中...

Ming-3.0-asr-tiny に似た人気のAIツール

Qwen3-ASR-1.7B-hf

AI モデル

Qwen3-ASR-1.7B-hfは、52の言語と方言に対応した高度なオープンソースのASRモデルで、言語識別と音声認識をサポートします。複雑な音響環境において高品質で堅牢な認識を提供し、ストリーミングとオフライン推論の両方に対応しています。

AIモデルとLLM
ツールを見る

AI モデル

52の言語と方言に対応した高度なオープンソースのASRモデルで、言語識別と音声認識をサポートします。複雑な音響環境において高品質で堅牢な認識を提供し、ストリーミングとオフライン推論の両方に対応しています。Qwen3-ASR-1.7B-hfは、52の言語と方言に対応した高度なオープンソースのASRモデルで、言語識別と音声認識をサポートします。複雑な音響環境において高品質で堅牢な認識を提供し、ストリーミングとオフライン推論の両方に対応しています。

AIモデルとLLM
AI モデル トップ5を見る

OpenAI Whisperは、自動音声認識と翻訳のための事前学習済みモデルです。複数の言語をサポートし、ファインチューニングなしでデータセット全体に一般化するように設計されており、さまざまなASRタスクに対応できます。

AIモデルとLLM
ツールを見る

自動音声認識と翻訳のための事前学習済みモデルです。複数の言語をサポートし、ファインチューニングなしでデータセット全体に一般化するように設計されており、さまざまなASRタスクに対応できます。OpenAI Whisperは、自動音声認識と翻訳のための事前学習済みモデルです。複数の言語をサポートし、ファインチューニングなしでデータセット全体に一般化するように設計されており、さまざまなASRタスクに対応できます。

AIモデルとLLM
AI モデル トップ5を見る

whisper-large-v3

AI モデル

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。

AIモデルとLLM
ツールを見る

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。

注目AIモデルとLLM
AI モデル トップ5を見る

Ming-3.0-tts-tiny

AI モデル

Ming-3.0-tts-tinyは、パラ言語的および自由形式の制御を備えた多言語音声合成モデルです。ゼロショット音声クローンと音声デザインをサポートし、配信や話し方に対する明示的な制御を提供します。

テキスト読み上げ
ツールを見る

AI モデル

パラ言語的および自由形式の制御を備えた多言語音声合成モデルです。ゼロショット音声クローンと音声デザインをサポートし、配信や話し方に対する明示的な制御を提供します。Ming-3.0-tts-tinyは、パラ言語的および自由形式の制御を備えた多言語音声合成モデルです。ゼロショット音声クローンと音声デザインをサポートし、配信や話し方に対する明示的な制御を提供します。

テキスト読み上げ
AI モデル トップ5を見る

Qwen1.5-110Bは、重要な性能向上、マルチリンガルサポート、安定した32Kコンテキスト長を提供するトランスフォーマーベースの言語モデルです。高度なAIアプリケーションに最適です。

AIモデルとLLM
ツールを見る

重要な性能向上、マルチリンガルサポート、安定した32Kコンテキスト長を提供するトランスフォーマーベースの言語モデルです。高度なAIアプリケーションに最適です。Qwen1.5-110Bは、重要な性能向上、マルチリンガルサポート、安定した32Kコンテキスト長を提供するトランスフォーマーベースの言語モデルです。高度なAIアプリケーションに最適です。

AIモデルとLLM
AI モデル トップ5を見る

Wav2Vec2 Large XLSR-53は、クロスリンガル音声認識のために設計された事前学習済みの音声モデルです。自動音声認識などの特定のタスクに対してファインチューニングが必要で、複数の言語にわたってエラー率が改善されます。

AIモデルとLLM
ツールを見る

クロスリンガル音声認識のために設計された事前学習済みの音声モデルです。自動音声認識などの特定のタスクに対してファインチューニングが必要で、複数の言語にわたってエラー率が改善されます。Wav2Vec2 Large XLSR-53は、クロスリンガル音声認識のために設計された事前学習済みの音声モデルです。自動音声認識などの特定のタスクに対してファインチューニングが必要で、複数の言語にわたってエラー率が改善されます。

AIモデルとLLM
AI モデル トップ5を見る

セサミCSMは、テキストと音声入力からオーディオコードを生成する会話型スピーチモデルです。Llamaバックボーンを利用しており、研究および教育目的のために設計されており、AI技術の責任ある使用を促進します。

AIモデルとLLM
ツールを見る

テキストと音声入力からオーディオコードを生成する会話型スピーチモデルです。Llamaバックボーンを利用しており、研究および教育目的のために設計されており、AI技術の責任ある使用を促進します。セサミCSMは、テキストと音声入力からオーディオコードを生成する会話型スピーチモデルです。Llamaバックボーンを利用しており、研究および教育目的のために設計されており、AI技術の責任ある使用を促進します。

注目AIモデルとLLM
AI モデル トップ5を見る

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。

AIモデルとLLM
ツールを見る

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。

AIモデルとLLM
AI モデル トップ5を見る
1 / 8