wav2vec2-base-common-voice-persian-colab开源模型 - 免费实现波斯语语音精准转文本

Wav2vec2 Base Common Voice Persian Colab

由 zoha 开发

该模型是基于facebook/wav2vec2-base在波斯语数据集上微调的语音识别模型，主要用于波斯语语音转文本任务。

下载量 21

发布时间 : 5/26/2022

模型简介

这是一个针对波斯语优化的自动语音识别(ASR)模型，基于wav2vec2架构，在Common Voice波斯语数据集上微调，适用于波斯语语音转录场景。

波斯语优化

专门针对波斯语语音特性进行微调，提升波斯语识别准确率

基于wav2vec2

采用Facebook开源的wav2vec2-base架构，具有强大的语音特征提取能力

Colab兼容

模型名称表明其适合在Google Colab环境中使用

波斯语语音识别

语音转文本

音频内容转录

语音转录

波斯语语音转写

将波斯语语音内容转换为文本格式

词错误率(WER)0.6911

语音助手

波斯语语音指令识别

用于波斯语语音助手或控制系统的语音指令识别

训练损失	轮数	步数	验证损失	字错率（Wer）
无记录	1.26	300	3.0670	1.0
3.3475	2.52	600	2.5530	1.0
3.3475	3.78	900	1.4598	0.9555
2.0348	5.04	1200	1.2189	0.8797
1.0817	6.3	1500	1.1242	0.8268
1.0817	7.56	1800	1.0764	0.7957
0.7973	8.82	2100	1.1023	0.7863
0.7973	10.08	2400	1.0583	0.7785
0.6514	11.34	2700	1.0963	0.7512
0.5878	12.61	3000	1.1200	0.7494
0.5878	13.87	3300	1.0396	0.7402
0.484	15.13	3600	1.1407	0.7340
0.484	16.39	3900	1.1534	0.7584
0.4384	17.65	4200	1.0973	0.7236
0.3966	18.91	4500	1.0623	0.7358
0.3966	20.17	4800	1.1655	0.7112
0.3408	21.43	5100	1.1825	0.7084
0.3408	22.69	5400	1.1436	0.7029
0.3274	23.95	5700	1.1077	0.6988
0.2948	25.21	6000	1.1454	0.7066
0.2948	26.47	6300	1.1411	0.6956
0.2545	27.73	6600	1.0952	0.6918
0.2545	28.99	6900	1.1446	0.6911