kishikawa11
https://blog.hatena.ne.jp/kishikawa11/
Ridge-institute R&D Blog
https://iblog.ridge-i.com/
はじめに 音声認識の基本的な仕組み CTC損失ベースの手法 RNN Transducer (RNN-t) Attentionベースの手法 音声に関する大規模学習済みモデル Wav2vec 2.0 HuBERT XLS-R WavLM Whisper まとめ 参考文献 はじめに AIとの関連性が高いタスクの1つに音声認識があります。 音声認識は音声が入力されたときに話されている内容をテキストとして書き起こすタスクです。 AIサービスで音声データを活用する際に、前処理としての利用が期待されます。 本稿は音声関連のAI技術に興味を持っていただくことを目的に、代表的なタスクである音声認識を取り上げ、 …
190
<iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fiblog.ridge-i.com%2Fentry%2F2025%2F04%2F09%2F102315" title="音声認識のための大規模学習済みモデルについて - Ridge-institute R&D Blog" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe>
https://cdn-ak.f.st-hatena.com/images/fotolife/k/kishikawa11/20250203/20250203153702.png
Hatena Blog
https://hatena.blog
2025-04-09 10:23:15
音声認識のための大規模学習済みモデルについて
rich
https://iblog.ridge-i.com/entry/2025/04/09/102315
1.0
100%