Interfaze、diffusion-gemma-asr-smallをリリース：DiffusionGemmaの並列デノイジングデコーダを利用した6言語を認識するオープンソース拡散ASRモデル
Interfazeは、拡散デコーダを採用した多言語ASRモデル「diffusion-gemma-asr-small」をオープンソース化した。Googleの凍結されたDiffusionGemmaに約42Mパラメータのアダプタを追加し、6言語を認識する。転写コストはデノイジングステップ数に比例し、転写長には依存しない。LibriSpeech test-cleanで6.6%のWERを達成し、他の拡散ASRモデルをリードするが、自己回帰型Whisperには及ばない。
Interfaze、diffusion-gemma-asr-smallをリリース：DiffusionGemmaの並列デノイジングデコーダを利用した6言語を認識するオープンソース拡散ASRモデル
要約のみ
配信元のコンテンツ権限に基づき、編集要約、要点、原文へのリンクのみを提供します。