XLSR-300M-bokmaal開源語音識別模型 - 精準識別挪威博克馬爾語

XLSR 300M Bokmaal

由NbAiLab開發

該模型是基於facebook/wav2vec2-xls-r-300m在挪威博克馬爾語(NPSC數據集)上微調的語音識別模型，測試集WER為7.7%

下載量 26

發布時間 : 3/2/2022

模型概述

針對挪威博克馬爾語優化的自動語音識別(ASR)模型，基於XLSR-300M架構微調

低詞錯誤率

在挪威博克馬爾語測試集上達到7.7% WER和2.8% CER

專業領域優化

基於挪威議會語音語料庫(NPSC)訓練，適合正式場合語音識別

高效微調

在基礎XLSR-300M模型上通過15輪微調獲得

挪威博克馬爾語語音轉文本

16kHz音頻處理

長格式語音識別

政府/議會

議會會議記錄

自動轉錄挪威議會會議內容

準確率92.3%(WER 7.7%)

教育

教學錄音轉錄

將挪威語教學音頻轉為文字稿

本模型是基於 facebook/wav2vec2-xls-r-300m 在 NBAILAB/NPSC - 16K_MP3_BOKMAAL 數據集上微調得到的。它在評估集上取得了以下結果：

屬性	詳情
模型類型	該模型是 facebook/wav2vec2-xls-r-300m 在 NBAILAB/NPSC - 16K_MP3_BOKMAAL 數據集上的微調版本
訓練數據	NbAiLab/NPSC 數據集
評估指標	在測試集（Bokmål）上，詞錯誤率（WER）為 0.07699635320946434，字符錯誤率（CER）為 0.0284288464829

訓練過程中使用了以下超參數：

訓練損失	輪數	步數	驗證損失	詞錯誤率（Wer）
3.0307	0.32	500	3.0026	1.0
2.7865	0.64	1000	2.4849	0.9926
0.7522	0.95	1500	0.4567	0.3594
0.5703	1.27	2000	0.3440	0.2586
0.4762	1.59	2500	0.2925	0.2178
0.4585	1.91	3000	0.2442	0.1981
0.4013	2.23	3500	0.2495	0.1818
0.449	2.54	4000	0.2152	0.1808
0.355	2.86	4500	0.2179	0.1670
0.3142	3.18	5000	0.1953	0.1542
0.3242	3.5	5500	0.2103	0.1526
0.3016	3.82	6000	0.1911	0.1477
0.2713	4.13	6500	0.1836	0.1422
0.2807	4.45	7000	0.1924	0.1447
0.2929	4.77	7500	0.1848	0.1402
0.2595	5.09	8000	0.1783	0.1330
0.2289	5.41	8500	0.1901	0.1313
0.2567	5.72	9000	0.1784	0.1298
0.2401	6.04	9500	0.1956	0.1298
0.2098	6.36	10000	0.1748	0.1277
0.2246	6.68	10500	0.1777	0.1254
0.2197	7.0	11000	0.1703	0.1222
0.2122	7.32	11500	0.1917	0.1221
0.2746	7.63	12000	0.1769	0.1215
0.2148	7.95	12500	0.1736	0.1193
0.1915	8.27	13000	0.1814	0.1161
0.2462	8.59	13500	0.1748	0.1166
0.1872	8.91	14000	0.1769	0.1133
0.1886	9.22	14500	0.1852	0.1143
0.1789	9.54	15000	0.1696	0.1126
0.1692	9.86	15500	0.1817	0.1122
0.1765	10.18	16000	0.1769	0.1093
0.1699	10.5	16500	0.1604	0.1084
0.1591	10.81	17000	0.1777	0.1080
0.1499	11.13	17500	0.1645	0.1074
0.163	11.45	18000	0.1704	0.1065
0.1597	11.77	18500	0.1576	0.1064
0.1484	12.09	19000	0.1637	0.1041
0.1464	12.4	19500	0.1631	0.1047
0.156	12.72	20000	0.1686	0.1029
0.1625	13.04	20500	0.1648	0.1023
0.1395	13.36	21000	0.1688	0.1027
0.1387	13.68	21500	0.1670	0.1013
0.1434	13.99	22000	0.1677	0.1017
0.1442	14.31	22500	0.1688	0.1008
0.1439	14.63	23000	0.1647	0.1004
0.137	14.95	23500	0.1636	0.1006