84rry - xls - r - 300M - AR オープンソースアラビア語音声認識モデル

84rry Xls R 300M AR

84rryによって開発

このモデルは、facebook/wav2vec2-xls-r-300mをcommon_voiceデータセットでファインチューニングしたアラビア語音声認識モデルで、評価セットで0.5078の単語誤り率を達成しました。

ダウンロード数 27

リリース時間 : 6/9/2022

モデル概要

これはアラビア語音声認識用のファインチューニングモデルで、Facebookのwav2vec2-xls-r-300mアーキテクチャを基に、Common Voiceデータセットでトレーニングされています。

XLS-Rアーキテクチャベース

Facebookの大規模クロスランゲージ音声表現学習アーキテクチャXLS-Rを使用しており、強力な音声特徴抽出能力を備えています。

アラビア語最適化

アラビア語音声に特化してファインチューニングされており、Common Voiceデータセットで良好なパフォーマンスを発揮します。

中規模モデル

3億パラメータ規模で、性能と計算リソース要件のバランスを取っています。

アラビア語音声認識

音声からテキストへの変換

オーディオコンテンツの文字起こし

音声文字起こし

アラビア語音声からテキストへ

アラビア語音声コンテンツをテキスト形式に変換

単語誤り率0.5078

音声アシスタント

アラビア語音声コマンド認識

アラビア語音声アシスタントや制御システムの音声コマンド認識に使用