W

Wav2vec2 Base Timit Demo Colab 1

由zasheza開發
該模型是基於facebook/wav2vec2-base微調的語音識別模型,在TIMIT數據集上訓練,詞錯誤率(WER)為0.4398。
下載量 18
發布時間 : 5/1/2022

模型概述

基於wav2vec2架構的語音識別模型,適用於英語語音轉文本任務。

模型特點

基於wav2vec2架構
採用Facebook開源的wav2vec2-base模型架構,具有良好的語音特徵提取能力。
微調優化
在TIMIT數據集上進行微調,針對特定語音識別任務優化。
相對較低詞錯誤率
在評估集上達到0.4398的詞錯誤率(WER),表現優於基礎模型。

模型能力

英語語音識別
語音轉文本

使用案例

語音轉錄
會議記錄
將英語會議錄音自動轉錄為文本
準確率約56.02% (1-WER)
語音筆記
將英語語音筆記轉換為可搜索的文本
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase