Ethio-ASR-amharic
badrex基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗DISCOVER & COMPARE
AI 모델 탐색 1496
Ethio-ASR is a suite of multilingual Automatic Speech Recognition (ASR) models that support five Ethiopian languages: Amharic, Tigrinya, Afaan Oromo, Sidama, and Wolaytta. The ASR model in this repo is based on the wav2vec2‑bert-2.0 pre-trained model by fine-tuning it on the WAXAL Speech Dataset. - **Developed by:** Ethio-ASR Team - **Task:** Speech Recognition (ASR) and Language Identification (LID) - **Languages:** Amharic, Tigrinya, Afaan Oromo, Sidama, and Wolaytta - **License:** CC-BY-4.0 - **Finetuned from:** facebook/w2v-bert-2.0 *📌 ASR model in this HF repo* | Model | # Params | Amharic | Tigrinya | Oromo | Wolaytta | Sidaama | Avg. | |------|----------|----------|-----------|--------|-----------|----------|------| | Ethio-ASR (afrihubert) | 92M | 30.95 | 42.42 | 27.57 | 40.44 | 34.02 | 35.08 | | Ethio-ASR (mms-300) | 300M | 30.19 | 41.62 | 26.41 | 39.10 | 32.66 | 33.99 | | Ethio-ASR (mms-1b) | 1B | 26.14 | 37.63 | **23.69** | **37.51** | **31.02** | 31.20 | | **Ethio-ASR (w2v-bert-2.0)** 📌 | 600M | **22.92** | **35.22** | 24.44 | 38.19 | 31.65 | **30.48** |
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗This model is a fine-tuned version of Wav2Vec2-BERT 2.0 for Kinyarwanda automatic speech recognition (ASR). It was trained on the 1000 hours dataset from the Kinyarwanda ASR hackthon on Kaggle (Track B), dataset covering Health, Government, Finance, Education, and Agriculture domains. The model is robust and the in-domain WER is below 8.4%. - **Developed by:** Badr al-Absi - **Model type:** Speech Recognition (ASR) - **Language:** Kinyarwanda (rw) - **License:** CC-BY-4.0 - **Finetuned from:** facebook/w2v-bert-2.0 - **Repository:** https://huggingface.co/badrex/w2v-bert-2.0-kinyarwanda-asr - **Dataset:** Kinyarwanda ASR Track B
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗BanglaASR
bangla-speech-processing基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗cohere-transcribe-03-2026-CoreML-6bit
BarathwajAnandanThis is a **CoreML** conversion of CohereLabs/cohere-transcribe-03-2026 with **6-bit palettization** for on-device speech recognition on Apple Silicon (macOS / iOS). 1. Add all `.mlpackage` files to your Xcode project 2. Load `coreml_manifest.json` at runtime for tokenizer IDs and pipeline config 3. Use `MLModel` with `.computeUnits = .cpuAndGPU` for best performance 4. Process audio in **30-second chunks** with **5-second overlap** (params in manifest) The decoder runs in two phases: 1. **Full-sequence masked** decoder generates the first token from encoder output 2. **KV-cached** decoder generates subsequent tokens autoregressively
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗nemotron-3.5-asr-offline-6bit-CoreML
BarathwajAnandan基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗nemotron-3.5-asr-streaming320-int8-CoreML
BarathwajAnandan基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗whisper-turbo-quran
baristiran基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗nb-whisper-coreml
Barrymanalow**This is a format conversion, not a new model.** No retraining, no fine-tuning, no distillation. Weights and behaviour are NbAiLab's; the changes are the PyTorch → CoreML conversion and the folder layout WhisperKit expects. All credit for the model belongs to NbAiLab. Float16 activations. The layout mirrors `argmaxinc/whisperkit-coreml`, which is what `WhisperKitConfig(model:modelRepo:)` expects to find. With papegøye, a bilingual Norwegian/English macOS dictation daemon — it downloads this repo automatically:
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗mistralai_Voxtral-Mini-3B-2507-GGUF
bartowskiSome of these quants (Q3_K_XL, Q4_K_L etc) are the standard quantization method with the embeddings and output weights quantized to Q8_0 instead of what they would normally default to. If the model is bigger than 50GB, it will have been split into multiple files. In order to download them all to a local folder, run: You can either specify a new local-dir (mistralai_Voxtral-Mini-3B-2507-Q8_0) or download them all in place (./)
번역 대기 중 · 원문 표시
입력 오디오 · 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Some of these quants (Q3_K_XL, Q4_K_L etc) are the standard quantization method with the embeddings and output weights quantized to Q8_0 instead of what they would normally default to. If the model is bigger than 50GB, it will have been split into multiple files. In order to download them all to a local folder, run: You can either specify a new local-dir (mistralai_Voxtral-Small-24B-2507-Q8_0) or download them all in place (./)
번역 대기 중 · 원문 표시
입력 오디오 · 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗wav2vec2-large-xlsr-mongolian
bayartsogt基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗whisper-large-v2-mn-13
bayartsogt基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗If you find this model helpful, please *like* this model and star us on https://github.com/LianjiaTech/BELLE and https://github.com/shuaijiang/Whisper-Finetune Fine tune whisper-large-v3-turbo-zh to enhance Chinese speech recognition capabilities, Belle-whisper-large-v3-turbo-zh demonstrates a **24-64%** relative improvement in performance to whisper-large-v3-turbo on Chinese ASR benchmarks, including AISHELL1, AISHELL2, WENETSPEECH, and HKUST. Same to Belle-whisper-large-v3-zh-punct, the punctuation marks come from model punc_ct-transformer_cn-en-common-vocab471067-large, and are added to the training datasets.
번역 대기 중 · 원문 표시
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Belle-whisper-large-v3-zh
BELLE-2基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗cohere-transcribe-03-2026-mlx-8bit
beshkenadze基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗cohere-transcribe-03-2026-mlx-fp16
beshkenadze基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗parakeet-ultra-mlx-fp16
beshkenadze基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗omniasr-ctc-300m-v2
bezzam基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗omniasr-llm-300m-v2
bezzam基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗Shrutam-2
bharatgenai基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
기본 정보 등록 · 상세 정보 보완 예정
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗일치하는 모델 없음
제공사, 분류, 입출력 조건을 조정하세요. 새 모델이 계속 등록됩니다.
COST EXPLORER
좋은 모델, 명확한 비용.
월간 토큰 사용량으로 예상 API 비용을 비교하세요.
1 M = 100만 토큰 · USD
동일 채널의 기본 텍스트 토큰 요금 비교
동일 채널의 기본 텍스트 토큰 요금 비교
수집된 백만 토큰당 USD 요금입니다. 캐시 할인, 구간 요금, 추가 추론 출력, 세금은 제외됩니다. 최신 요금은 출처에서 확인하세요.
MODEL HANDBOOK
이해하고 선택하세요
API 요금은 어떻게 비교하나요?+
입력, 출력, 캐시 요금을 구분하고 동일 작업량으로 비교하세요. 이미지, 음성, 영상은 개수, 시간, 해상도로 과금될 수 있습니다.
오픈 웨이트는 무료 상업 이용을 뜻하나요?+
반드시 그렇지는 않습니다. 버전별 라이선스, 상업 이용 제한, 정책을 확인하세요. 자체 호스팅에는 연산 및 유지 비용도 듭니다.
1위 모델이 나에게 가장 적합한가요?+
순위는 작업, 버전, 평가 방식에 따라 다릅니다. 실제 업무로 정확도, 지연, 안정성, 비용을 비교하세요.