Stt Kr Conformer Ctc Medium

🚀 Conformer-ctc-medium-ko

該模型對 RIVA Conformer ASR Korean 在AI hub數據集上進行了微調。基於Conformer的模型與基於注意力機制的模型（如whisper）不同，即使進行流式處理，其性能也不會大幅下降，並且具有速度快的優點。在V100 GPU上，即時因子（RTF）約為0.05；在7核CPU上，RTF約為0.35。在音頻塊大小為2秒的流式測試中，與輸入完整音頻相比，性能下降約20%，但仍具備足夠的可用性。此外，在非開放領域（如客戶應答語音領域），添加kenlm後，字錯誤率（WER）從13.45大幅降至5.27。不過，在其他領域，添加kenlm並未帶來顯著的性能提升。

包含流式代碼和去噪模型的代碼可在以下GitHub倉庫中查看： https://github.com/SUNGBEOMCHOI/Korean-Streaming-ASR

✨ 主要特性

• 基於Conformer架構，流式處理性能穩定。
• 處理速度快，在不同硬件上均有良好表現。
• 在特定領域添加kenlm可顯著提升性能。

📚 詳細文檔

訓練結果

數據集

🔧 技術細節

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率：1e-05
• 訓練批次大小：16
• 評估批次大小：16
• 訓練輪數：1
• 採樣率：16000
• 最大時長：20.0

📄 許可證

本項目採用Apache-2.0許可證。