bangla_voice开源语音识别模型 - 免费部署实现孟加拉语语音转文本

Bangla Voice

由 iftekher 开发

这是一个基于孟加拉语的语音识别模型，在特定数据集上进行了微调，主要用于语音转文本任务。

下载量 26

发布时间 : 3/21/2022

模型简介

该模型是基于iftekher/bangla_voice微调得到的版本，专注于孟加拉语语音识别任务。

孟加拉语支持

专门针对孟加拉语优化的语音识别模型

微调版本

在特定数据集上进行了微调，可能提高了特定领域的识别准确率

相对较低的WER

在评估集上取得了0.3201的词错误率

孟加拉语语音识别

语音转文本

语音转录

孟加拉语会议记录

将孟加拉语会议录音转换为文字记录

词错误率约32%

语音助手

用于孟加拉语语音助手应用的语音识别组件

本模型是基于Transformer训练器自动生成的。它是 iftekher/bangla_voice 在无特定数据集上微调后的版本。在评估集上，该模型取得了如下结果：

本模型是 iftekher/bangla_voice 在无特定数据集上的微调版本。它在评估集上有特定的损失值和字错率表现。

此模型是 iftekher/bangla_voice 的微调版本，在评估集上有相应的损失值和字错率结果。不过更多详细信息有待补充。

更多相关信息有待补充。

更多相关信息有待补充。

训练过程中使用了以下超参数：

属性	详情
学习率（learning_rate）	0.0001
训练批次大小（train_batch_size）	16
评估批次大小（eval_batch_size）	8
随机种子（seed）	42
优化器（optimizer）	Adam（β1 = 0.9，β2 = 0.999，ε = 1e-08）
学习率调度器类型（lr_scheduler_type）	线性（linear）
学习率调度器预热步数（lr_scheduler_warmup_steps）	100
训练轮数（num_epochs）	5

训练损失	轮数	步数	验证损失	字错率（Wer）
158.927	0.21	100	81.4025	0.3489
206.3938	0.42	200	117.4497	0.3680
194.8868	0.64	300	473.2094	0.3622
177.3037	0.85	400	81.0834	0.3585
150.9285	1.06	500	397.6080	0.3592
164.899	1.27	600	71.5732	0.3476
157.9872	1.48	700	76.6225	0.3560
139.5956	1.69	800	76.4330	0.3512
132.7378	1.91	900	154.8127	0.3378
137.2875	2.12	1000	275.6554	0.3453
128.1135	2.33	1100	210.1160	0.3409
124.5749	2.54	1200	109.8560	0.3400
115.9728	2.75	1300	165.5507	0.3373
120.9464	2.97	1400	248.8096	0.3357
104.8963	3.18	1500	308.7221	0.3361
115.9144	3.39	1600	214.0615	0.3300
109.0966	3.6	1700	197.1803	0.3286
111.4354	3.81	1800	189.1278	0.3245
111.9318	4.03	1900	191.4921	0.3282
109.2148	4.24	2000	185.1797	0.3298
114.0561	4.45	2100	190.5829	0.3229
105.7045	4.66	2200	209.0799	0.3220
127.4207	4.87	2300	208.2614	0.3201