xls - r - 300m - ur開源自動語音識別模型 - 免費實現烏爾都語語音精準轉文字

Xls R 300m Ur

由HarrisDePerceptron開發

這是一個基於XLS-R架構在Common Voice 8.0烏爾都語數據集上微調的自動語音識別模型，詞錯誤率(WER)為47.38。

下載量 19

發布時間 : 3/2/2022

模型概述

該模型專門用於烏爾都語的自動語音識別任務，基於300M參數的XLS-R架構進行微調。

烏爾都語語音識別

專門針對烏爾都語優化的語音識別能力

基於Common Voice數據集

使用Mozilla Common Voice 8.0烏爾都語數據集進行訓練

XLS-R架構

基於強大的XLS-R 300M參數模型架構

烏爾都語語音轉文本

自動語音識別

語音轉寫

烏爾都語語音轉錄

將烏爾都語語音內容轉換為文本

詞錯誤率47.38

語音助手

烏爾都語語音指令識別

用於烏爾都語語音助手系統中的指令識別

本模型是一個基於自動語音識別技術的模型，它在特定數據集上進行了微調，能夠為語音識別任務提供有效的解決方案，在評估集上取得了一定的成果。

此模型是 HarrisDePerceptron/xls - r - 300m - ur 在 MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - UR 數據集上的微調版本。它在評估集上取得了以下結果：

更多信息待補充。

更多信息待補充。

更多信息待補充。

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	字錯率（WER）
1.2991	1.96	100	0.9769	0.6627
1.3415	3.92	200	0.9701	0.6594
1.2998	5.88	300	0.9678	0.6668
1.2881	7.84	400	0.9650	0.6613
1.2369	9.8	500	0.9392	0.6502
1.2293	11.76	600	0.9536	0.6480
1.1709	13.73	700	0.9265	0.6402
1.1492	15.69	800	0.9636	0.6506
1.1044	17.65	900	0.9305	0.6351
1.0704	19.61	1000	0.9329	0.6280
1.0039	21.57	1100	0.9413	0.6295
0.9756	23.53	1200	0.9718	0.6185
0.9633	25.49	1300	0.9731	0.6133
0.932	27.45	1400	0.9659	0.6199
0.9252	29.41	1500	0.9766	0.6196
0.9172	31.37	1600	1.0052	0.6199
0.8733	33.33	1700	0.9955	0.6203
0.868	35.29	1800	1.0069	0.6240
0.8547	37.25	1900	0.9783	0.6258
0.8451	39.22	2000	0.9845	0.6052
0.8374	41.18	2100	0.9496	0.6137
0.8153	43.14	2200	0.9756	0.6122
0.8134	45.1	2300	0.9712	0.6096
0.8019	47.06	2400	0.9565	0.5970
0.7746	49.02	2500	0.9864	0.6096
0.7664	50.98	2600	0.9988	0.6092
0.7708	52.94	2700	1.0181	0.6255
0.7468	54.9	2800	0.9918	0.6148
0.7241	56.86	2900	1.0150	0.6018
0.7165	58.82	3000	1.0439	0.6063
0.7104	60.78	3100	1.0016	0.6037
0.6954	62.75	3200	1.0117	0.5970
0.6753	64.71	3300	1.0191	0.6037
0.6803	66.67	3400	1.0190	0.6033
0.661	68.63	3500	1.0284	0.6007
0.6597	70.59	3600	1.0060	0.5967
0.6398	72.55	3700	1.0372	0.6048
0.6105	74.51	3800	1.0048	0.6044
0.6164	76.47	3900	1.0398	0.6148
0.6354	78.43	4000	1.0272	0.6133
0.5952	80.39	4100	1.0364	0.6081
0.5814	82.35	4200	1.0418	0.6092
0.6079	84.31	4300	1.0277	0.5967
0.5748	86.27	4400	1.0362	0.6041
0.5624	88.24	4500	1.0427	0.6007
0.5767	90.2	4600	1.0370	0.5919
0.5793	92.16	4700	1.0442	0.6011
0.547	94.12	4800	1.0516	0.5982
0.5513	96.08	4900	1.0461	0.5989
0.5429	98.04	5000	1.0504	0.5996
0.5404	100.0	5100	1.0517	0.5967