P

Psst Fairseq Rir

由birgermoell開發
該模型是基於Wav2vec 2.0基礎架構微調的自動語音識別(ASR)模型,使用經過房間脈衝響應(RIR)增強的TIMIT子集訓練
下載量 30
發布時間 : 4/15/2022

模型概述

用於英語音素識別的語音識別模型,在噪聲增強環境下表現良好

模型特點

噪聲魯棒性
使用RIR增強數據訓練,對噪聲環境下的語音識別具有較強魯棒性
音素級識別
專注於音素級別的語音識別任務,而非單詞或句子識別
基於Wav2vec 2.0
利用Wav2vec 2.0的自監督學習能力,在小規模標註數據上表現良好

模型能力

英語音素識別
噪聲環境語音處理

使用案例

語音技術研究
音素識別基準測試
可作為音素識別任務的基準模型進行比較
PER: 21.8%, FER: 9.6%
教育技術
發音評估
用於語言學習中的發音準確度評估
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase