wav2vec2トルコ語音声認識モデル - オープンソースで無料、データセットに基づく微調整による高精度な認識

Wav2vec2 Large Xls R 300m Turkish Colab Common Voice 8 6

husnuによって開発

これはwav2vec2アーキテクチャに基づくトルコ語音声認識モデルで、common_voiceデータセットでファインチューニングされています

ダウンロード数 21

リリース時間 : 5/10/2022

モデル概要

このモデルはhusnu/wav2vec2-large-xls-r-300m-turkish-colab_common_voice-8_5をcommon_voiceデータセットでファインチューニングしたバージョンで、主にトルコ語音声認識タスクに使用されます

高性能トルコ語認識

common_voice評価セットで0.3478の単語誤り率(WER)を達成

大規模事前学習モデルベース

wav2vec2-large-xls-r-300mアーキテクチャに基づき、強力な特徴抽出能力を有する

精密なファインチューニング

common_voiceトルコ語データセットで複数回の精密なファインチューニングを実施

トルコ語音声認識

音声からテキストへの変換

音声書き起こし

トルコ語音声転写

トルコ語音声をテキストに変換

単語誤り率0.3478

音声アシスタント

トルコ語音声コマンド認識

トルコ語音声アシスタントシステムにおけるコマンド認識に使用

学習損失	エポック	ステップ	検証損失	単語誤り率 (Wer)
0.1024	0.51	400	0.4030	0.4171
0.1533	1.02	800	0.4733	0.4570
0.1584	1.53	1200	0.4150	0.4371
0.1538	2.04	1600	0.4104	0.4390
0.1395	2.55	2000	0.3891	0.4133
0.1415	3.07	2400	0.3877	0.4015
0.1261	3.58	2800	0.3685	0.3899
0.1149	4.09	3200	0.3791	0.3881
0.1003	4.6	3600	0.3642	0.3626
0.0934	5.11	4000	0.3755	0.3516
0.0805	5.62	4400	0.3646	0.3478