wav2vec2-xls-r-pa-IN-a1オープンソース自動音声認識モデル - パンジャブ語（インド）の音声を正確に認識

Wav2vec2 Xls R Pa IN A1

DrishtiSharmaによって開発

Facebookのwav2vec2-xls-r-300mモデルをCommon Voice 8.0のパンジャブ語（インド）データセットで微調整した自動音声認識モデル

ダウンロード数 20

リリース時間 : 3/2/2022

モデル概要

このモデルは、パンジャブ語（インド方言）の音声認識タスクに特化しており、音声をテキストに変換できます。

高精度認識

評価セットで0.4908の単語誤り率（WER）を達成しました。

大規模事前学習

Facebookのwav2vec2-xls-r-300mモデルを微調整しており、強力な音声特徴抽出能力を持っています。

特定言語最適化

パンジャブ語（インド方言）に特化して最適化訓練を行っています。

音声からテキストへの変換

パンジャブ語（インド）音声認識

リアルタイム音声処理

音声書き起こし

音声メモの書き起こし

パンジャブ語（インド）の音声メモを検索可能なテキストに変換します。

精度約51% (WER 0.4908)

支援技術

音声制御アプリケーション

パンジャブ語ユーザ向けに開発された音声制御インターフェース

学習損失	エポック	ステップ	検証損失	単語誤り率 (Wer)
3.5841	9.26	500	3.2514	0.9941
0.3992	18.52	1000	0.8790	0.6107
0.2409	27.78	1500	1.0012	0.6366
0.1447	37.04	2000	1.0167	0.6276
0.1109	46.3	2500	1.0638	0.5653
0.0797	55.56	3000	1.1447	0.5715
0.0636	64.81	3500	1.1503	0.5316
0.0466	74.07	4000	1.2227	0.5386
0.0372	83.33	4500	1.1214	0.5225
0.0239	92.59	5000	1.1375	0.4998