wav2vec2-base-timit-demo-google-colab開源語音識別模型

Wav2vec2 Base Timit Demo Google Colab

由Nancyzzz開發

基於facebook/wav2vec2-base模型在TIMIT數據集上微調的語音識別模型

下載量 103

發布時間 : 6/29/2022

模型概述

該模型是用於英語語音識別的wav2vec2-base微調版本，在TIMIT數據集上訓練，能夠將英語語音轉換為文本

高效語音識別

基於wav2vec2架構，提供高效的英語語音識別能力

微調優化

在TIMIT數據集上進行微調，優化了語音識別性能

輕量級模型

基於wav2vec2-base版本，相對輕量且易於部署

英語語音識別

語音轉文本

語音轉錄

會議記錄

將英語會議錄音自動轉換為文字記錄

詞錯誤率約34%

語音筆記

將英語語音筆記轉換為可編輯文本

本模型是 facebook/wav2vec2-base 在無特定數據集上的微調版本。它在評估集上取得了以下結果：

本模型是在特定訓練流程下對基礎模型進行微調得到的，以下為您詳細介紹訓練過程及相關信息。

更多信息待補充。

更多信息待補充。

更多信息待補充。

訓練過程中使用了以下超參數：

訓練損失	輪數	步數	驗證損失	字錯率（Wer）
3.4884	1.0	500	1.6139	1.0293
0.8373	2.01	1000	0.5286	0.5266
0.4394	3.01	1500	0.4933	0.4678
0.2974	4.02	2000	0.4159	0.4268
0.2268	5.02	2500	0.4288	0.4074
0.1901	6.02	3000	0.4407	0.3852
0.1627	7.03	3500	0.4599	0.3849
0.1397	8.03	4000	0.4330	0.3803
0.1342	9.04	4500	0.4661	0.3785
0.1165	10.04	5000	0.4518	0.3745
0.1	11.04	5500	0.4714	0.3899
0.0881	12.05	6000	0.4985	0.3848
0.0794	13.05	6500	0.5074	0.3672
0.0707	14.06	7000	0.5692	0.3681
0.0669	15.06	7500	0.4722	0.3814
0.0589	16.06	8000	0.5738	0.3784
0.0562	17.07	8500	0.5183	0.3696
0.0578	18.07	9000	0.5473	0.3841
0.0473	19.08	9500	0.4918	0.3655
0.0411	20.08	10000	0.5258	0.3517
0.0419	21.08	10500	0.5256	0.3501
0.0348	22.09	11000	0.5511	0.3597
0.0328	23.09	11500	0.5054	0.3560
0.0314	24.1	12000	0.5327	0.3537
0.0296	25.1	12500	0.5142	0.3446
0.0251	26.1	13000	0.5155	0.3411
0.0249	27.11	13500	0.5344	0.3414
0.0225	28.11	14000	0.5193	0.3408
0.0226	29.12	14500	0.5253	0.3406