AI NEWS.ccAI는 지금, 미래는 업데이트 중
♡ 저장한 도구 0
AI NEWS · 모델 정보기능을 이해하고 근거 있게 선택하세요. ↗기본 정보 우선 등록 · 상세 정보 지속 보완
THE AI MODEL DIRECTORY 모델 탐색을 시작하세요

나에게 맞는 AI 모델을 찾아보세요.

언어부터 이미지, 오픈 웨이트부터 API까지. 기능과 실제 비용을 비교하세요.
다음 아이디어에 맞는 AI를 찾아보세요.

인기 검색
85,003 개 모델13202 개 제공사 / 게시자45 개 기능 분류465개 비교 가능 요금 · 30개 공개 평가
T텍스트 생성▧이미지 생성▷영상 생성⌘코드 생성◖음성 합성♫음악 생성⬡3D 모델링▤문서 분석
DISCOVER & COMPARE

AI 모델 탐색 1496

주목할 모델을 찾아보세요

sew-d-tiny-100k-ft-ls100h

optimum-intel-internal-testing

The base model pretrained on 16kHz sampled speech audio. When using the model make sure that your speech input is also sampled at 16Khz. Note that this model should be fine-tuned on a downstream task, like Automatic Speech Recognition, Speaker Identification, Intent Classification, Emotion Recognition, etc... **Abstract** This paper is a study of performance-efficiency trade-offs in pre-trained models for automatic speech recognition (ASR). We focus on wav2vec 2.0, and formalize several architecture designs that influence both the model performance and its efficiency. Putting together all our observations, we introduce SEW (Squeezed and Efficient Wav2vec), a pre-trained model architecture with significant improvements along both performance and efficiency dimensions across a variety of training setups. For example, under the 100h-960h semi-supervised setup on LibriSpeech, SEW achieves a 1.9x inference speedup compared to wav2vec 2.0, with a 13.5% relative reduction in word error rate. With a similar inference time, SEW reduces word error rate by 25-50% across different model sizes. This code snippet shows how to evaluate **asapp/sew-d-tiny-100k-ft-ls100h** on LibriSpeech's "clean" and "other" test data.

번역 대기 중 · 원문 표시

음성 인식
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

tiny-random-whisper

optimum-internal-testing

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated. Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations. Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

번역 대기 중 · 원문 표시

음성 인식
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

1. **Hinglish as a language**: Native ability to transcribe hindi into hinglish, making it easier to understand and process. 2. **Faster Inference**: The model achieves SOTA performance while being upto 8x faster. 3. **Performance Increase**: ~42% average performance increase versus pretrained model across benchmarking datasets. 4. Ranked #1 on Speech-To-Text Arena, beating competitors on transcription preference metric. ***Note***: - *To accurately measure Hinglish transcription performance, the original Hindi ground truth for each dataset was first transliterated to Hinglish. The WER scores below were calculated against this transliterated reference text.* - *To check our model's real-world performance against other SOTA models please head to our Speech-To-Text Arena arena space.* Flash-Attention 2 can be used to make the transcription fast. If your GPU supports Flash-Attention you can use it by, first installing Flash Attention:

번역 대기 중 · 원문 표시

음성 인식
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

Nathan Roll 1,2 · Irene Yi 1,2 · Büşra Marşan 1,2 Vianney Grenez 1 · Gabriel Stein 4 · Momcilo Mrkaic 5 Pavle Padjin 5 · Vladimir Zeljkovic 5 · Calbert Graham 1,3 2 Stanford University 3 University of Cambridge 4 OpenWhispr 5 Hoid Orukeet is a 25-language speech recognizer built from NVIDIA Parakeet TDT 0.6B v3. It replaces half of the encoder's temporal depthwise filters with **12,288 fitted, frozen Gabor kernels** and trains the remaining parameters on multilingual and multi-accent data.

번역 대기 중 · 원문 표시

음성 인식
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

> For this model, you need to modify the example code in candle. To try whisper in candle faster and easier, it's better to use the tiny model → https://huggingface.co/oxide-lab/whisper-tiny-GGUF For most use cases, we recommend **q4_k** format as it provides the best balance of: - Size reduction (~65% large-v3-turboer) - Quality (minimal degradation) - Speed (faster inference than higher quantizations)

번역 대기 중 · 원문 표시

음성 인식
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

**Q5_0** is the "last good" option. Lower quantizations (Q4, Q3, Q2) lead to a sharp loss of quality and meaningless output. For most use cases, we recommend **q4_k** format as it provides the best balance of: - Size reduction (~65% smaller) - Quality (minimal degradation) - Speed (faster inference than higher quantizations)

번역 대기 중 · 원문 표시

음성 인식
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗

This model is a fine-tuned version of microsoft/wavlm-large on the LIBRISPEECH_ASR - CLEAN dataset. It achieves the following results on the evaluation set: - Loss: 0.0601 - Wer: 0.0491 The following hyperparameters were used during training: - learning_rate: 0.0003 - train_batch_size: 2 - eval_batch_size: 2 - seed: 42 - distributed_type: multi-GPU - num_devices: 8 - gradient_accumulation_steps: 2 - total_train_batch_size: 32 - total_eval_batch_size: 16 - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08 - lr_scheduler_type: linear - lr_scheduler_warmup_steps: 500 - num_epochs: 3.0 - mixed_precision_training: Native AMP

번역 대기 중 · 원문 표시

음성 인식
입력 오디오→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗
출처 / 문서 ↗
COST EXPLORER

좋은 모델, 명확한 비용.

비용 분석

월간 토큰 사용량으로 예상 API 비용을 비교하세요.

1 M = 100만 토큰 · USD
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

선택 가이드 및 FAQ
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.

AI NEWS · 정보에서 선택으로

뉴스로 흐름을, 도구로 효율을, 모델로 가능성을.

AI 뉴스 탐색 ↗AI 도구 찾기 ↗