W

Wav2vec2 Final 1 Lm 3

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,使用4-Gram語言模型時可降至0.126
下載量 16
發布時間 : 6/2/2022

模型概述

這是一個基於wav2vec2架構的自動語音識別(ASR)模型,經過特定數據集微調,適用於語音轉文本任務

模型特點

低詞錯誤率
基礎詞錯誤率0.4499,使用4-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,具有優秀的語音特徵提取能力
精細調優
經過60輪訓練,逐步優化模型性能

模型能力

語音識別
音頻轉文本
語音內容分析

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
準確率約55.01%(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4-Gram語言模型時準確率可達87.4%
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase