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

Wav2vec2 Base Timit Demo Google Colab

由BitanBiswas開發

基於facebook/wav2vec2-base在TIMIT數據集上微調的語音識別模型，適用於英語語音轉文本任務

下載量 28

發布時間 : 5/14/2022

模型概述

該模型是wav2vec2-base的微調版本，專門用於英語語音識別任務，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數據集上進行專門微調，提高了識別準確率

輕量級模型

基於wav2vec2-base架構，相對輕量但性能良好

英語語音識別

語音轉文本

自動語音轉錄

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(WER)為0.3360

語音筆記

將英語語音筆記轉換為可搜索的文本

本模型是在None數據集上對facebook/wav2vec2-base進行微調後的版本。它在評估集上取得了以下結果：

本模型是語音處理領域的重要成果，可用於語音識別等任務，通過微調基礎模型在特定數據集上取得了不錯的評估結果。

此部分後續可補充更多關於模型的詳細信息。

此部分後續可補充模型的預期用途和限制相關信息。

此部分後續可補充訓練和評估數據的詳細信息。

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）
3.6401	1.0	500	2.4138	1.0
0.9717	2.01	1000	0.6175	0.5531
0.4393	3.01	1500	0.4309	0.4414
0.2976	4.02	2000	0.4167	0.4162
0.2345	5.02	2500	0.4273	0.3927
0.1919	6.02	3000	0.3983	0.3886
0.1565	7.03	3500	0.5581	0.3928
0.1439	8.03	4000	0.4509	0.3821
0.1266	9.04	4500	0.4733	0.3774
0.1091	10.04	5000	0.4755	0.3808
0.1001	11.04	5500	0.4435	0.3689
0.0911	12.05	6000	0.4962	0.3897
0.0813	13.05	6500	0.5031	0.3622
0.0729	14.06	7000	0.4853	0.3597
0.0651	15.06	7500	0.5180	0.3577
0.0608	16.06	8000	0.5251	0.3630
0.0592	17.07	8500	0.4915	0.3591
0.0577	18.07	9000	0.4724	0.3656
0.0463	19.08	9500	0.4536	0.3546
0.0475	20.08	10000	0.5107	0.3546
0.0464	21.08	10500	0.4829	0.3464
0.0369	22.09	11000	0.4844	0.3448
0.0327	23.09	11500	0.4865	0.3437
0.0337	24.1	12000	0.4825	0.3488
0.0271	25.1	12500	0.4824	0.3445
0.0236	26.1	13000	0.4747	0.3397
0.0243	27.11	13500	0.4840	0.3397
0.0226	28.11	14000	0.4716	0.3354
0.0235	29.12	14500	0.4770	0.3360