W

Wav2vec2 Large Xlsr 53 English

由jonatasgrosman開發
基於facebook/wav2vec2-large-xlsr-53模型微調的英語語音識別模型,在Common Voice 6.1數據集上訓練
下載量 251.78k
發布時間 : 3/2/2022

模型概述

這是一個針對英語語音識別任務微調的XLSR-53大模型,能夠將英語語音轉換為文本

模型特點

高性能英語語音識別
在Common Voice測試集上達到19.06%的詞錯誤率和7.69%的字錯誤率
支持語言模型增強
結合語言模型後,詞錯誤率可降至14.81%,字錯誤率降至6.84%
16kHz採樣率支持
專為16kHz採樣率的語音輸入優化
基於XLSR-53預訓練模型
利用大規模跨語言語音表示學習(XLSR)的預訓練優勢

模型能力

英語語音識別
語音轉文本
支持長音頻處理(通過分塊)

使用案例

語音轉錄
會議記錄自動轉錄
將英語會議錄音自動轉換為文字記錄
準確率約80.94%(基於WER)
語音筆記轉換
將個人語音備忘錄轉換為可搜索的文本
輔助技術
即時字幕生成
為英語視頻或直播生成即時字幕
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase