W

Wav2vec2 Base 960h Timit Demo Colab

由obokkkk開發
基於facebook/wav2vec2-base-960h微調的語音識別模型,在TIMIT數據集上取得21.6%的詞錯誤率
下載量 20
發布時間 : 4/22/2022

模型概述

這是一個用於英語語音識別的自動語音識別(ASR)模型,基於wav2vec2架構進行微調,適用於語音轉文本任務

模型特點

高精度語音識別
在TIMIT評估集上達到21.6%的詞錯誤率
基於wav2vec2架構
利用自監督學習預訓練的強大語音表示能力
輕量級模型
base版本相對輕量,適合部署在各種環境中

模型能力

英語語音識別
語音轉文本
音頻內容轉錄

使用案例

語音轉錄
會議記錄自動化
將英語會議錄音自動轉換為文字記錄
可達到約80%的準確率
語音指令識別
識別用戶語音指令並轉換為可執行命令
教育
發音評估
分析英語學習者的發音準確性
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase