W

Wav2vec2 Final 1 Lm 4

由chrisvinsen開發
基於facebook/wav2vec2-base微調的語音識別模型,在評估集上詞錯誤率為0.4499
下載量 16
發布時間 : 6/2/2022

模型概述

這是一個基於wav2vec2架構的語音識別模型,經過微調後可用於將語音轉換為文本的任務。

模型特點

低詞錯誤率
在評估集上詞錯誤率為0.4499,使用5-Gram語言模型時可降至0.126
基於wav2vec2架構
採用facebook/wav2vec2-base作為基礎模型進行微調
線性學習率調度
訓練過程中採用線性學習率調度器,包含800步預熱

模型能力

語音轉文本
自動語音識別

使用案例

語音轉錄
會議記錄
將會議錄音自動轉換為文字記錄
詞錯誤率0.4499
語音筆記
將語音備忘錄轉換為可搜索的文本
使用5-Gram語言模型時詞錯誤率降至0.126
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase