W

Whisper Large V2 Cantonese

由Scrya開發
基於OpenAI Whisper Large V2模型微調的粵語自動語音識別(ASR)模型,在Common Voice 11.0粵語數據集上訓練,字錯誤率(CER)為6.21%。
下載量 210
發布時間 : 12/19/2022

模型概述

這是一個專門針對粵語優化的自動語音識別模型,通過數據增強技術提升了識別準確率,適用於粵語語音轉文字場景。

模型特點

粵語優化
專門針對粵語語音特點進行微調,相比通用模型有更好的識別準確率
數據增強
訓練時使用音高偏移和時間拉伸等音頻增強技術,提升模型魯棒性
低錯誤率
在Common Voice粵語測試集上達到6.21%的字錯誤率(CER)

模型能力

粵語語音識別
語音轉文字
音頻轉錄

使用案例

語音轉錄
粵語會議記錄
將粵語會議錄音自動轉換為文字記錄
準確率約93.79%(CER 6.21%)
媒體字幕生成
為粵語視頻內容自動生成字幕
語音助手
粵語語音指令識別
用於支持粵語的智能家居或語音助手系統
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase