ムーンドリーム・パラキート・ウルトラ

ムーンドリームパラキートリダックス

AI モデル

スピードと効率性を最適化したparakeet-tdt-0.6b-v3モデルのコンパクト版です。英語の音声認識において競争力のある精度を維持しながら、多言語タスクでのパフォーマンスが向上しています。ムーンドリームパラキートリダックスは、スピードと効率性を最適化したparakeet-tdt-0.6b-v3モデルのコンパクト版です。英語の音声認識において競争力のある精度を維持しながら、多言語タスクでのパフォーマンスが向上しています。

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。

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。

Audio8 ASR Infinite

AI モデル

応答性と精度を重視したストリーミング音声認識モデルです。設定可能な遅延設定と中国語と英語のバイリンガル機能を備え、無制限の長さの文字起こしをサポートします。Audio8 ASR Infiniteは、応答性と精度を重視したストリーミング音声認識モデルです。設定可能な遅延設定と中国語と英語のバイリンガル機能を備え、無制限の長さの文字起こしをサポートします。

Chatterbox Turbo

AI モデル

Resemble AIによって開発されたオープンソースのテキスト読み上げモデルで、350Mのパラメータと75msのレイテンシを持ち、超高速なパフォーマンスを提供します。5秒の音声からのボイスクローンと、表現力豊かな出力のためのパラ言語タグを特徴としています。Chatterbox Turboは、Resemble AIによって開発されたオープンソースのテキスト読み上げモデルで、350Mのパラメータと75msのレイテンシを持ち、超高速なパフォーマンスを提供します。5秒の音声からのボイスクローンと、表現力豊かな出力のためのパラ言語タグを特徴としています。

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。

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。

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。