bangla_voice開源語音識別模型 - 免費部署實現孟加拉語語音轉文本

Bangla Voice

由iftekher開發

這是一個基於孟加拉語的語音識別模型，在特定數據集上進行了微調，主要用於語音轉文本任務。

下載量 26

發布時間 : 3/21/2022

模型概述

該模型是基於iftekher/bangla_voice微調得到的版本，專注於孟加拉語語音識別任務。

孟加拉語支持

專門針對孟加拉語優化的語音識別模型

微調版本

在特定數據集上進行了微調，可能提高了特定領域的識別準確率

相對較低的WER

在評估集上取得了0.3201的詞錯誤率

孟加拉語語音識別

語音轉文本

語音轉錄

孟加拉語會議記錄

將孟加拉語會議錄音轉換為文字記錄

詞錯誤率約32%

語音助手

用於孟加拉語語音助手應用的語音識別組件

本模型是基於Transformer訓練器自動生成的。它是 iftekher/bangla_voice 在無特定數據集上微調後的版本。在評估集上，該模型取得了如下結果：

本模型是 iftekher/bangla_voice 在無特定數據集上的微調版本。它在評估集上有特定的損失值和字錯率表現。

此模型是 iftekher/bangla_voice 的微調版本，在評估集上有相應的損失值和字錯率結果。不過更多詳細信息有待補充。

更多相關信息有待補充。

更多相關信息有待補充。

訓練過程中使用了以下超參數：

屬性	詳情
學習率（learning_rate）	0.0001
訓練批次大小（train_batch_size）	16
評估批次大小（eval_batch_size）	8
隨機種子（seed）	42
優化器（optimizer）	Adam（β1 = 0.9，β2 = 0.999，ε = 1e-08）
學習率調度器類型（lr_scheduler_type）	線性（linear）
學習率調度器預熱步數（lr_scheduler_warmup_steps）	100
訓練輪數（num_epochs）	5

訓練損失	輪數	步數	驗證損失	字錯率（Wer）
158.927	0.21	100	81.4025	0.3489
206.3938	0.42	200	117.4497	0.3680
194.8868	0.64	300	473.2094	0.3622
177.3037	0.85	400	81.0834	0.3585
150.9285	1.06	500	397.6080	0.3592
164.899	1.27	600	71.5732	0.3476
157.9872	1.48	700	76.6225	0.3560
139.5956	1.69	800	76.4330	0.3512
132.7378	1.91	900	154.8127	0.3378
137.2875	2.12	1000	275.6554	0.3453
128.1135	2.33	1100	210.1160	0.3409
124.5749	2.54	1200	109.8560	0.3400
115.9728	2.75	1300	165.5507	0.3373
120.9464	2.97	1400	248.8096	0.3357
104.8963	3.18	1500	308.7221	0.3361
115.9144	3.39	1600	214.0615	0.3300
109.0966	3.6	1700	197.1803	0.3286
111.4354	3.81	1800	189.1278	0.3245
111.9318	4.03	1900	191.4921	0.3282
109.2148	4.24	2000	185.1797	0.3298
114.0561	4.45	2100	190.5829	0.3229
105.7045	4.66	2200	209.0799	0.3220
127.4207	4.87	2300	208.2614	0.3201