wav2vec2-base_toy_train_data_random_high_passオープンソース音声認識モデル - 無料でデプロイし、音声内容を高精度に認識

Wav2vec2 Base Toy Train Data Random High Pass

scasuttによって開発

facebook/wav2vec2-baseを空データセットでファインチューニングした音声認識モデルで、ランダムハイパスフィルタ技術を使用してトレーニングデータを処理しました

ダウンロード数 29

リリース時間 : 3/30/2022

モデル概要

これは実験的な音声認識モデルで、主にデモンストレーションとテスト目的で使用されます。モデルはwav2vec2アーキテクチャに基づいており、空データセットでファインチューニングされ、ランダムハイパスフィルタ技術を使用してデータを処理しました。

ランダムハイパスフィルタ処理

トレーニングデータはランダムハイパスフィルタ処理されており、モデルの高周波音声特徴の認識能力を強化する可能性があります

wav2vec2アーキテクチャベース

Facebookのwav2vec2-baseアーキテクチャを採用しており、強力な音声特徴抽出能力を持っています

実験的性質

これは実験的なモデルで、主に技術デモンストレーションとテスト目的で使用されます

音声認識

音響特徴抽出

音声技術研究

ハイパスフィルタ効果テスト

ハイパスフィルタ処理が音声認識モデルの性能に与える影響を研究するために使用されます

モデルファインチューニング実験

モデルファインチューニング技術の教育例として使用されます

学習損失	エポック	ステップ	検証損失	単語誤り率 (Wer)
3.061	2.1	500	3.0551	1.0
1.1294	4.2	1000	1.3102	0.8777
0.7051	6.3	1500	1.2081	0.8092
0.5421	8.4	2000	1.2280	0.7684
0.448	10.5	2500	1.2459	0.7506
0.3777	12.6	3000	1.3533	0.7631
0.3611	14.7	3500	1.2058	0.7291
0.3177	16.81	4000	1.3168	0.7185
0.279	18.91	4500	1.2841	0.7222