wav2vec2-base-common-voice-persian-colab開源模型 - 免費實現波斯語語音精準轉文本

Wav2vec2 Base Common Voice Persian Colab

由zoha開發

該模型是基於facebook/wav2vec2-base在波斯語數據集上微調的語音識別模型，主要用於波斯語語音轉文本任務。

下載量 21

發布時間 : 5/26/2022

模型概述

這是一個針對波斯語優化的自動語音識別(ASR)模型，基於wav2vec2架構，在Common Voice波斯語數據集上微調，適用於波斯語語音轉錄場景。

波斯語優化

專門針對波斯語語音特性進行微調，提升波斯語識別準確率

基於wav2vec2

採用Facebook開源的wav2vec2-base架構，具有強大的語音特徵提取能力

Colab兼容

模型名稱表明其適合在Google Colab環境中使用

波斯語語音識別

語音轉文本

音頻內容轉錄

語音轉錄

波斯語語音轉寫

將波斯語語音內容轉換為文本格式

詞錯誤率(WER)0.6911

語音助手

波斯語語音指令識別

用於波斯語語音助手或控制系統的語音指令識別

訓練損失	輪數	步數	驗證損失	字錯率（Wer）
無記錄	1.26	300	3.0670	1.0
3.3475	2.52	600	2.5530	1.0
3.3475	3.78	900	1.4598	0.9555
2.0348	5.04	1200	1.2189	0.8797
1.0817	6.3	1500	1.1242	0.8268
1.0817	7.56	1800	1.0764	0.7957
0.7973	8.82	2100	1.1023	0.7863
0.7973	10.08	2400	1.0583	0.7785
0.6514	11.34	2700	1.0963	0.7512
0.5878	12.61	3000	1.1200	0.7494
0.5878	13.87	3300	1.0396	0.7402
0.484	15.13	3600	1.1407	0.7340
0.484	16.39	3900	1.1534	0.7584
0.4384	17.65	4200	1.0973	0.7236
0.3966	18.91	4500	1.0623	0.7358
0.3966	20.17	4800	1.1655	0.7112
0.3408	21.43	5100	1.1825	0.7084
0.3408	22.69	5400	1.1436	0.7029
0.3274	23.95	5700	1.1077	0.6988
0.2948	25.21	6000	1.1454	0.7066
0.2948	26.47	6300	1.1411	0.6956
0.2545	27.73	6600	1.0952	0.6918
0.2545	28.99	6900	1.1446	0.6911