W

Wav2vec2 Base Timit Demo Google Colab

由mikeluck開發
該模型是基於facebook/wav2vec2-base在TIMIT數據集上微調的語音識別模型,在評估集上取得了0.3384的詞錯誤率(WER)。
下載量 38
發布時間 : 6/15/2022

模型概述

這是一個用於英語語音識別的模型,基於wav2vec2架構微調,適用於將英語語音轉換為文本的任務。

模型特點

低詞錯誤率
在TIMIT數據集上取得了0.3384的詞錯誤率(WER),表現良好
基於wav2vec2架構
採用facebook的wav2vec2-base作為基礎模型,具有強大的語音特徵提取能力
輕量級模型
base版本相對輕量,適合在資源有限的環境中部署

模型能力

英語語音識別
語音轉文本
音頻內容轉錄

使用案例

語音轉錄
會議記錄自動轉錄
將英語會議錄音自動轉換為文字記錄
準確率約66.16% (1-WER)
語音筆記轉換
將個人語音筆記轉換為可搜索的文本
輔助技術
即時字幕生成
為英語視頻或直播生成即時字幕
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase