画像・動画・音声

トルコ語の合成音声データセット「alania-synthetic-speech-tr」公開

トルコ語の音声合成(TTS)および音声認識(ASR)モデルの訓練を目的とした、合計3,451時間の合成音声データセット「alania-synthetic-speech-tr」の概要と入手方法を解説します。

画像・動画・音声

「Phonon-2」音声認識モデル:必要VRAM 4GB〜

FermionResearchが公開したオープンウェイトの英語音声認識モデル「Phonon-2」のスペックや推論速度、導入方法を解説します。

画像・動画・音声

「Audio8-ASR-Infinite」音声認識モデル:必要VRAM 12GB〜・配布ファイル一覧

Edge0が公開したリアルタイム音声認識モデル「Edge0/Audio8-ASR-Infinite」のスペックや性能、対応ツール、入手方法について解説します。