wynehills-mimi-ASR開源自動語音識別模型 - 低錯誤率精準識別語音內容

Wynehills Mimi ASR

由mimi開發

這是一個自動語音識別(ASR)模型，在未知數據集上訓練，詞錯誤率(WER)為0.6309。

下載量 26

發布時間 : 3/2/2022

模型概述

該模型是一個自動語音識別系統，能夠將語音轉換為文本。模型訓練使用了Adam優化器和線性學習率調度器。

優化的訓練過程

使用Adam優化器和線性學習率調度器進行訓練，學習率為0.0001

混合精度訓練

採用原生AMP混合精度訓練技術提高訓練效率

語音轉文本

自動語音識別

語音轉錄

會議記錄

將會議錄音自動轉換為文字記錄

詞錯誤率0.6309

語音備忘錄轉錄

將語音備忘錄轉換為可編輯文本

這個模型是在一個未知數據集上從頭開始訓練的。它在評估集上取得了以下結果：

該模型已在特定未知數據集上完成訓練，可直接應用於語音識別任務。

此模型為 wynehills-mimi-ASR，是從頭開始在未知數據集上訓練得到的語音識別模型。

文檔未提供相關信息。

文檔未提供相關信息。

訓練期間使用了以下超參數：

訓練損失	輪數	步數	驗證損失	字錯率（Wer）
無記錄	1.54	20	1.4018	0.6435
無記錄	3.08	40	1.4704	0.6593
無記錄	4.62	60	1.4898	0.6625
無記錄	6.15	80	1.4560	0.6404
無記錄	7.69	100	1.3822	0.6309
無記錄	9.23	120	1.3822	0.6309
無記錄	10.77	140	1.3822	0.6309
無記錄	12.31	160	1.3822	0.6309
無記錄	13.85	180	1.3822	0.6309
無記錄	15.38	200	1.3822	0.6309
無記錄	16.92	220	1.3822	0.6309
無記錄	18.46	240	1.3822	0.6309
無記錄	20.0	260	1.3822	0.6309
無記錄	21.54	280	1.3822	0.6309
無記錄	23.08	300	1.3822	0.6309
無記錄	24.62	320	1.3822	0.6309
無記錄	26.15	340	1.3822	0.6309
無記錄	27.69	360	1.3822	0.6309
無記錄	29.23	380	1.3822	0.6309
無記錄	30.77	400	1.3822	0.6309
無記錄	32.31	420	1.3822	0.6309
無記錄	33.85	440	1.3822	0.6309
無記錄	35.38	460	1.3822	0.6309
無記錄	36.92	480	1.3822	0.6309
0.0918	38.46	500	1.3822	0.6309
0.0918	40.0	520	1.3822	0.6309
0.0918	41.54	540	1.3822	0.6309
0.0918	43.08	560	1.3822	0.6309
0.0918	44.62	580	1.3822	0.6309
0.0918	46.15	600	1.3822	0.6309
0.0918	47.69	620	1.3822	0.6309
0.0918	49.23	640	1.3822	0.6309
0.0918	50.77	660	1.3822	0.6309
0.0918	52.31	680	1.3822	0.6309
0.0918	53.85	700	1.3822	0.6309
0.0918	55.38	720	1.3822	0.6309
0.0918	56.92	740	1.3822	0.6309
0.0918	58.46	760	1.3822	0.6309
0.0918	60.0	780	1.3822	0.6309
0.0918	61.54	800	1.3822	0.6309
0.0918	63.08	820	1.3822	0.6309
0.0918	64.62	840	1.3822	0.6309
0.0918	66.15	860	1.3822	0.6309
0.0918	67.69	880	1.3822	0.6309
0.0918	69.23	900	1.3822	0.6309