S

Stt En Fastconformer Transducer Xlarge

由nvidia開發
NVIDIA FastConformer-Transducer 是一個用於英語自動語音識別(ASR)的高性能模型,採用優化的FastConformer架構和Transducer解碼器,參數規模約6.18億。
下載量 106
發布時間 : 6/12/2023

模型概述

該模型將語音轉錄為小寫英文字母,是FastConformer Transducer模型的'超大'版本,在多個英語語音數據集上訓練,具有優異的識別準確率。

模型特點

優化的FastConformer架構
採用8倍深度可分離卷積下采樣的優化Conformer架構,提高處理效率
多數據集訓練
在包含數千小時英語語音的複合數據集上訓練,涵蓋多種語音場景
高準確率
在多個測試集上表現優異,如LibriSpeech測試集WER低至1.64%
Transducer解碼器
使用RNNT損失在多任務設置中訓練,提高識別效果

模型能力

英語語音識別
音頻轉錄
語音轉文本

使用案例

語音轉錄
會議記錄
將會議錄音自動轉錄為文字記錄
高準確率的文字記錄,WER低至1.64%
語音助手
為語音助手提供語音識別能力
支持多種語音場景的準確識別
媒體處理
視頻字幕生成
自動為視頻內容生成字幕
支持多種口音和語音風格的識別
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase