wynehills-mimi-ASR开源自动语音识别模型 - 低错误率精准识别语音内容

Wynehills Mimi ASR

由 mimi 开发

这是一个自动语音识别(ASR)模型，在未知数据集上训练，词错误率(WER)为0.6309。

下载量 26

发布时间 : 3/2/2022

模型简介

该模型是一个自动语音识别系统，能够将语音转换为文本。模型训练使用了Adam优化器和线性学习率调度器。

优化的训练过程

使用Adam优化器和线性学习率调度器进行训练，学习率为0.0001

混合精度训练

采用原生AMP混合精度训练技术提高训练效率

语音转文本

自动语音识别

语音转录

会议记录

将会议录音自动转换为文字记录

词错误率0.6309

语音备忘录转录

将语音备忘录转换为可编辑文本

这个模型是在一个未知数据集上从头开始训练的。它在评估集上取得了以下结果：

该模型已在特定未知数据集上完成训练，可直接应用于语音识别任务。

此模型为 wynehills-mimi-ASR，是从头开始在未知数据集上训练得到的语音识别模型。

文档未提供相关信息。

文档未提供相关信息。

训练期间使用了以下超参数：

训练损失	轮数	步数	验证损失	字错率（Wer）
无记录	1.54	20	1.4018	0.6435
无记录	3.08	40	1.4704	0.6593
无记录	4.62	60	1.4898	0.6625
无记录	6.15	80	1.4560	0.6404
无记录	7.69	100	1.3822	0.6309
无记录	9.23	120	1.3822	0.6309
无记录	10.77	140	1.3822	0.6309
无记录	12.31	160	1.3822	0.6309
无记录	13.85	180	1.3822	0.6309
无记录	15.38	200	1.3822	0.6309
无记录	16.92	220	1.3822	0.6309
无记录	18.46	240	1.3822	0.6309
无记录	20.0	260	1.3822	0.6309
无记录	21.54	280	1.3822	0.6309
无记录	23.08	300	1.3822	0.6309
无记录	24.62	320	1.3822	0.6309
无记录	26.15	340	1.3822	0.6309
无记录	27.69	360	1.3822	0.6309
无记录	29.23	380	1.3822	0.6309
无记录	30.77	400	1.3822	0.6309
无记录	32.31	420	1.3822	0.6309
无记录	33.85	440	1.3822	0.6309
无记录	35.38	460	1.3822	0.6309
无记录	36.92	480	1.3822	0.6309
0.0918	38.46	500	1.3822	0.6309
0.0918	40.0	520	1.3822	0.6309
0.0918	41.54	540	1.3822	0.6309
0.0918	43.08	560	1.3822	0.6309
0.0918	44.62	580	1.3822	0.6309
0.0918	46.15	600	1.3822	0.6309
0.0918	47.69	620	1.3822	0.6309
0.0918	49.23	640	1.3822	0.6309
0.0918	50.77	660	1.3822	0.6309
0.0918	52.31	680	1.3822	0.6309
0.0918	53.85	700	1.3822	0.6309
0.0918	55.38	720	1.3822	0.6309
0.0918	56.92	740	1.3822	0.6309
0.0918	58.46	760	1.3822	0.6309
0.0918	60.0	780	1.3822	0.6309
0.0918	61.54	800	1.3822	0.6309
0.0918	63.08	820	1.3822	0.6309
0.0918	64.62	840	1.3822	0.6309
0.0918	66.15	860	1.3822	0.6309
0.0918	67.69	880	1.3822	0.6309
0.0918	69.23	900	1.3822	0.6309