DENTAL CLICK Classifier

🚀 語音模型

本語音模型利用Wav2vec2架構，解決了關鍵詞識別任務中特定語音識別的問題，可精準識別語音中的齒齦搭嘴音，具有較高的準確性。

🚀 快速開始

本模型可通過transformers庫使用，也可通過右側的Hugging Face託管推理API使用。不過需要注意，不建議使用“從瀏覽器錄製”選項，因為模型可能會錯誤地將用戶的鼠標點擊識別為語音。上傳的音頻文件應為1秒長，格式為“WAV”，採用16位有符號整數PCM編碼。

✨ 主要特性

• 架構先進：採用Wav2vec2架構，在Superb數據集上進行訓練，用於關鍵詞識別任務。
• 針對性訓練：經過微調，能夠識別語音中的齒齦搭嘴音（https://en.wikipedia.org/wiki/Dental_click）。
• 準確性高：在保留的20%可用數據測試集上進行評估，準確率達到97%。

📚 詳細文檔

模型描述

該模型利用Wav2vec2架構，在Superb數據集上進行訓練以完成關鍵詞識別任務，並經過微調以識別語音中的齒齦搭嘴音（https://en.wikipedia.org/wiki/Dental_click）。模型在有限的語音數據（約1.5小時）上進行了10個週期的訓練，且僅使用了一位說話者的數據。因此，在沒有更多訓練數據或嚴格測試的情況下，不能假定該模型對其他說話者或語言具有通用性。

模型在保留的20%可用數據測試集上進行了準確性評估，得分達到97%。

使用說明

模型可以通過transformers庫或右側的Hugging Face託管推理API使用。需要注意的是，不建議使用“從瀏覽器錄製”選項，因為模型可能會錯誤地將用戶的鼠標點擊識別為語音。上傳的音頻文件應為1秒長，格式為“WAV”，採用16位有符號整數PCM編碼。

注意事項

⚠️ 重要提示

由於模型僅在有限的語音數據（約1.5小時）和一位說話者的數據上進行訓練，在沒有更多訓練數據或嚴格測試的情況下，不能假定該模型對其他說話者或語言具有通用性。

💡 使用建議

不建議使用“從瀏覽器錄製”選項，上傳的音頻文件應為1秒長，格式為“WAV”，採用16位有符號整數PCM編碼。