A

Asr Wav2vec2 Transformer Aishell

由speechbrain開發
這是一個基於AISHELL數據集和wav2vec2預訓練的Transformer自動語音識別模型,專門用於普通話語音識別任務。
下載量 99
發布時間 : 3/2/2022

模型概述

該模型是一個端到端的自動語音識別系統,結合了wav2vec2編碼器和CTC+變換器的聯合解碼器,適用於普通話語音轉錄。

模型特點

端到端語音識別
提供完整的端到端解決方案,從音頻輸入到文本輸出
wav2vec2預訓練
利用wav2vec2的強大特徵提取能力提高識別準確率
CTC+Transformer聯合解碼
結合CTC概率和Transformer解碼器,提高識別效果
支持16kHz音頻
自動處理16kHz採樣率的單聲道音頻輸入

模型能力

普通話語音識別
音頻轉錄
自動語音識別

使用案例

語音轉錄
普通話語音轉文字
將普通話語音內容轉換為文字
測試集CER為5.58%
語音助手
中文語音指令識別
用於中文語音助手的語音指令識別
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase