wav2vec2-base-timit-fine-tuned开源语音识别模型 - 低错误率精准识别语音内容

Wav2vec2 Base Timit Fine Tuned

由 patrickvonplaten 开发

该模型是基于facebook/wav2vec2-base在TIMIT_ASR数据集上微调的自动语音识别(ASR)模型，在评估集上取得了0.2151的词错误率(WER)。

下载量 21

发布时间 : 3/2/2022

模型简介

基于wav2vec2架构的语音识别模型，专门针对TIMIT_ASR数据集进行微调，适用于英语语音识别任务。

TIMIT数据集微调

专门针对TIMIT ASR数据集进行优化，提高了在该数据集上的识别准确率

低词错误率

在评估集上取得了0.2151的词错误率(WER)，表现良好

基于wav2vec2架构

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

英语语音识别

语音转文本

自动语音转录

语音识别

语音转录

将英语语音内容转换为文本

词错误率0.2151

语音指令识别

识别和理解语音指令

训练损失	轮数	步数	验证损失	字错率（Wer）
3.1621	0.69	100	3.1102	1.0
2.9592	1.38	200	2.9603	1.0
2.9116	2.07	300	2.8921	1.0
2.1332	2.76	400	1.9718	0.9958
0.8477	3.45	500	0.7813	0.5237
0.4251	4.14	600	0.5166	0.3982
0.3743	4.83	700	0.4400	0.3578
0.4194	5.52	800	0.4077	0.3370
0.23	6.21	900	0.4018	0.3142
0.1554	6.9	1000	0.3623	0.2995
0.1511	7.59	1100	0.3433	0.2697
0.1983	8.28	1200	0.3539	0.2715
0.1443	8.97	1300	0.3622	0.2551
0.0971	9.66	1400	0.3580	0.2519
0.0764	10.34	1500	0.3529	0.2437
0.1203	11.03	1600	0.3455	0.2431
0.0881	11.72	1700	0.3648	0.2415
0.0521	12.41	1800	0.3564	0.2320
0.0434	13.1	1900	0.3485	0.2270
0.0864	13.79	2000	0.3517	0.2228
0.0651	14.48	2100	0.3506	0.2285
0.0423	15.17	2200	0.3428	0.2247
0.0302	15.86	2300	0.3372	0.2198
0.0548	16.55	2400	0.3496	0.2196
0.0674	17.24	2500	0.3407	0.2166
0.0291	17.93	2600	0.3512	0.2171
0.0298	18.62	2700	0.3363	0.2158
0.0419	19.31	2800	0.3493	0.2145
0.046	20.0	2900	0.3457	0.2151