wav2vec2-common_voice-tr-demoオープンソース音声認識モデル

Wav2vec2 Common Voice Tr Demo

YiTianによって開発

このモデルはfacebook/wav2vec2-large-xlsr-53をトルコ語Common Voice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す

ダウンロード数 30

リリース時間 : 3/31/2022

モデル概要

トルコ語向けの自動音声認識(ASR)モデルで、wav2vec2アーキテクチャをCommon Voiceデータセットでファインチューニング

トルコ語音声認識

トルコ語に最適化された音声認識能力

Common Voiceデータセットベース

公開利用可能なCommon Voiceトルコ語データセットを使用して訓練

wav2vec2アーキテクチャ

facebookのwav2vec2-large-xlsr-53モデルをファインチューニング

トルコ語音声からテキストへ

自動音声認識

音声文字起こし

トルコ語音声文字起こし

トルコ語音声コンテンツをテキストに変換

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や音声制御システムの音声認識コンポーネントとして使用

パラメータ	詳細
学習率 (learning_rate)	0.0003
トレーニングバッチサイズ (train_batch_size)	128
評価バッチサイズ (eval_batch_size)	64
シード (seed)	42
勾配累積ステップ数 (gradient_accumulation_steps)	2
総トレーニングバッチサイズ (total_train_batch_size)	256
オプティマイザ (optimizer)	Adam (betas=(0.9,0.999), epsilon=1e-08)
学習率スケジューラの種類 (lr_scheduler_type)	線形 (linear)
学習率スケジューラのウォームアップステップ数 (lr_scheduler_warmup_steps)	500
エポック数 (num_epochs)	15.0
混合精度トレーニング (mixed_precision_training)	Native AMP