W

Wav2vec2 Large Xlsr 53 Vietnamese

由 not-tanh 开发
基于facebook/wav2vec2-large-xlsr-53模型微调的越南语自动语音识别模型,支持16kHz采样率的语音输入。
下载量 22
发布时间 : 3/2/2022

模型简介

该模型是针对越南语优化的自动语音识别(ASR)模型,基于XLSR-53架构,在通用语音、VIVOS和FOSD数据集上微调而成。

模型特点

多数据集微调
使用通用语音、VIVOS和FOSD三个越南语数据集进行微调,提高识别准确性
无需语言模型
可直接使用,无需额外语言模型支持
16kHz采样率支持
专为16kHz采样率的语音输入优化

模型能力

越南语语音识别
音频转文本
语音转录

使用案例

语音转录
越南语语音转文字
将越南语语音内容转换为文本
词错误率39.57%
语音助手
越南语语音指令识别
用于越南语语音助手系统中的指令识别
AIbase
智启未来,您的人工智能解决方案智库
© 2025AIbase