trillsson3-ft-keyword-spotting-14オープンソース音声分類モデル - 効率的にキーワード識別タスクを完了する

Trillsson3 Ft Keyword Spotting 14

vumichienによって開発

TRillsson3アーキテクチャに基づく音声分類モデルで、superbデータセットでファインチューニングされ、キーワード認識タスクに使用され、精度は91.5％です。

ダウンロード数 47

リリース時間 : 10/25/2022

モデル概要

このモデルは、非意味的音声表現モデルTRillsson3をベースにファインチューニングされたバージョンで、キーワード認識タスク専用です。superbデータセットのトレーニングにより、評価セットで優れたパフォーマンスを発揮します。

高精度

評価セットで91.5％の精度を達成し、優れたパフォーマンスを発揮

TRillsson3アーキテクチャベース

強力な非意味的音声表現モデルを基盤に構築

効率的なトレーニング

混合精度トレーニングとAdamオプティマイザを使用し、トレーニング効率が高い

音声分類

キーワード認識

音声特徴抽出

インテリジェント音声インタラクション

音声アシスタントのウェイクワード検出

'Hey Siri'や'OK Google'などのデバイスウェイクワードを検出

高精度によりウェイクアップ成功率を確保

音声制御コマンド認識

システム操作を制御する特定の音声コマンドを認識

音声分析

音声コンテンツ分類

音声コンテンツをキーワードで分類・タグ付け

このモデルは、vumichien/nonsemantic-speech-trillsson3 を superb 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す。評価セットでは以下の結果を達成しています。

このモデルは音声分類タスクに適用でき、superb データセットで訓練されています。具体的な使用方法については、関連するライブラリやツールを参照してください。

訓練中に使用されたハイパーパラメータは以下の通りです。