W

Wav2vec2 Base Timit Demo Colab 32 Epochs30

由ying-tina開發
基於facebook/wav2vec2-base微調的語音識別模型,在TIMIT數據集上訓練30輪次
下載量 22
發布時間 : 3/2/2022

模型概述

該模型是用於英語語音識別的wav2vec2基礎版微調模型,適用於自動語音識別(ASR)任務

模型特點

高效微調
基於wav2vec2-base模型進行高效微調,僅需30輪次訓練
較低詞錯誤率
在評估集上達到0.3434的詞錯誤率(WER)
輕量級
基於wav2vec2-base架構,相對輕量適合部署

模型能力

英語語音識別
音頻轉文本

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字
詞錯誤率約34.34%
語音筆記
將英語語音筆記轉換為文本
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase