W

Wav2vec2 Base 1

由jiobiala24開發
基於facebook/wav2vec2-base在common_voice數據集上微調的語音識別模型
下載量 20
發布時間 : 3/2/2022

模型概述

該模型是用於語音識別任務的微調版本,基於wav2vec2架構,在common_voice數據集上訓練,支持自動語音轉文本功能。

模型特點

高效微調
基於預訓練的wav2vec2-base模型進行微調,充分利用預訓練模型的強大特徵提取能力
良好性能
在評估集上達到0.3216的詞錯誤率(WER),表現優於許多同類模型
優化訓練
採用線性學習率調度和1000步預熱,訓練過程穩定高效

模型能力

語音轉文本
自動語音識別

使用案例

語音轉錄
會議記錄
將會議錄音自動轉換為文字記錄
準確率約68%(基於WER 0.3216推斷)
字幕生成
為視頻內容自動生成字幕
語音助手
語音指令識別
識別用戶語音指令並轉換為可執行命令
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase