whisper-large-v3-atco2-asr開源語音識別模型 - 免費部署用於航空交通管制場景

Whisper Large V3 Atco2 Asr

由jlvdoorn開發

基於OpenAI Whisper-large-v3微調的語音識別模型，專注於航空交通管制(ATCO)場景，詞錯誤率17.04%

下載量 1,792

發布時間 : 11/10/2023

模型概述

針對航空通信場景優化的自動語音識別(ASR)模型，在航空交通管制指令識別任務上表現優異

航空場景優化

針對航空交通管制通信場景特別優化，能有效識別航空術語和指令

低詞錯誤率

在評估集上達到17.04%的詞錯誤率(WER)，優於通用語音識別模型在專業場景的表現

多GPU訓練

採用多GPU分佈式訓練，支持大規模數據處理

航空語音識別

即時語音轉文本

專業術語識別

航空交通管制

管制指令轉錄

將管制員與飛行員之間的語音通信即時轉換為文本

詞錯誤率17.04%

航空通信記錄分析

自動分析歷史通信記錄，用於培訓和質量控制

本模型是在特定數據集上對 openai/whisper-large-v3 進行微調後的版本。它在評估集上取得了以下成績：

該模型是對 openai/whisper-large-v3 的微調版本，不過具體的詳細信息還需進一步補充。

目前關於該模型的預期用途和限制的詳細信息還需進一步完善。

關於訓練和評估數據的詳細信息，還需要進一步補充。

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	字錯誤率（Wer）
0.1388	3.57	100	0.5488	20.1957
0.0313	7.14	200	0.5830	17.5712
0.0173	10.71	300	0.5898	20.4181
0.004	14.29	400	0.6201	16.3256
0.001	17.86	500	0.6543	18.4164
0.002	21.43	600	0.6499	17.8381
0.0003	25.0	700	0.6724	17.1263
0.0002	28.57	800	0.6890	16.9929
0.0002	32.14	900	0.7012	16.8594
0.0001	35.71	1000	0.7104	16.9484
0.0001	39.29	1100	0.7178	16.9039
0.0001	42.86	1200	0.7241	17.4377
0.0001	46.43	1300	0.7305	17.3488
0.0001	50.0	1400	0.7358	17.3043
0.0001	53.57	1500	0.7407	17.3043
0.0001	57.14	1600	0.7451	17.1263
0.0001	60.71	1700	0.7495	17.2598
0.0001	64.29	1800	0.7529	17.2153
0.0001	67.86	1900	0.7563	17.2598
0.0001	71.43	2000	0.7593	17.4377
0.0001	75.0	2100	0.7612	17.3932
0.0001	78.57	2200	0.7632	17.2598
0.0	82.14	2300	0.7651	17.1263
0.0	85.71	2400	0.7666	17.0819
0.0	89.29	2500	0.7681	17.0374
0.0	92.86	2600	0.7686	17.0374
0.0	96.43	2700	0.7695	17.1263
0.0	100.0	2800	0.7695	17.0374