Wav2vec2 Large Robust Ft Libritts Voxpopuli

🚀 音声文字起こしモデル

このチェックポイントは wav2vec2-large モデルで、句読点付きの文字起こしテキストを生成するために使用できます。このモデルは、TTS（テキスト読み上げ）モデルの文字起こし内容を構築することを目的としており、句読点は韻律にとって非常に重要です。

🚀 クイックスタート

このモデルは、libritts と voxpopuli データセットで facebook/wav2vec2-large-robust-ft-libri-960h チェックポイントを微調整することで作成され、句読点を含む新しい語彙が使用されています。

✨ 主な機能

• 句読点生成：句読点付きの文字起こしテキストを生成でき、TTSモデルの韻律表現に大きく役立ちます。
• 良好なWER性能：librispeech検証セットで、このモデルの単語誤り率（WER）は4.45%に達し、ベースラインモデル facebook/wav2vec2-large-robust-ft-libri-960h のWERは4.3%です。

🔧 技術詳細

このモデルはクリーンな音声で微調整されているため、CommonVoiceのようなノイズの多い音声にはあまり適していません（ただし、ノイズの多い音声に適したチェックポイントもすぐにアップロードするかもしれません）。しかし、ノイズの多い音声でもかなり良好な性能を発揮します。

語彙表もモデルセンターにアップロードされており、そのアドレスは jbetker/tacotron_symbols です。

💻 使用例

使用例については、私の音声文字起こしスクリプトリポジトリ ocotillo を参照してください：https://github.com/neonbjb/ocotillo