Wav2vec2 Large Xlsr 53 Th Cv8 Deepcut

🚀 コモンボイスV8を用いたタイ語Wav2Vec2 (deepcutトークナイザ) + 言語モデル

このモデルは、airesearch/wav2vec2-large-xlsr-53-th で使用されていたCommonVoice V7データセットのデータを増やしたCommonVoice V8データセットを用いて学習されました。wav2vec2-large-xlsr-53 をファインチューニングしたものです。

✨ 主な機能

• 言語: タイ語 (th)
• タグ: 自動音声認識 (automatic-speech-recognition)
• ライセンス: Apache-2.0
• データセット: Common Voice
• 評価指標: 単語誤り率 (wer)、文字誤り率 (cer)

📚 ドキュメント

モデルの説明

• 技術レポート: Thai Wav2Vec2.0 with CommonVoice V8

データセット

Common Voice V8データセットから新しいデータを追加し、Common Voice V7データセットに加えるか、Common Voice V7データセット内のすべてのデータを削除してからCommon Voice V8を分割し、その後Common Voice V7データセットをデータセットに戻します。

Common Voiceデータセットの分割には、ekapolc/Thai_commonvoice_split スクリプトを使用しています。

モデル

このモデルは、wav2vec2-large-xlsr-53 モデルをタイ語のCommon Voice V8データセットでファインチューニングし、deepcut.tokenizeを用いた事前トークナイズを行っています。

評価

CommonVoice V8テストセットでのテスト

CommonVoice V7テストセットでのテスト (CV V7と同じテスト)

これは、https://huggingface.co/airesearch/wav2vec2-large-xlsr-53-th と同じテストセットを使用しています。

リンク:

• GitHubデータセット: https://github.com/wannaphong/thai_commonvoice_dataset
• 技術レポート: Thai Wav2Vec2.0 with CommonVoice V8

📄 ライセンス

Apache-2.0

🔧 技術詳細

BibTeXエントリと引用情報

@misc{phatthiyaphaibun2022thai,
      title={Thai Wav2Vec2.0 with CommonVoice V8}, 
      author={Wannaphong Phatthiyaphaibun and Chompakorn Chaksangchaichot and Peerat Limkonchotiwat and Ekapol Chuangsuwanich and Sarana Nutanong},
      year={2022},
      eprint={2208.04799},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}