説明
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
Ming-3.0-asr-tinyのハイライト
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
Ming-3.0-asr-tinyをはじめる
モデルにアクセス: Hugging Faceを訪問
認証: アカウントを設定
環境を設定: 依存関係をインストール
API経由で統合: PyTorch/Transformersを使用
最適化: ホットワードと文脈を使用
Ming-3.0-asr-tinyの使用例
- 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








