xls-r-300m-sv-robust开源自动语音识别模型 - 精准识别瑞典语语音内容

Xls R 300m Sv Robust

由 marinone94 开发

这是一个基于KBLab/wav2vec2-large-voxrex在瑞典语Common Voice数据集上微调的自动语音识别模型

下载量 27

发布时间 : 3/2/2022

模型简介

该模型专门用于瑞典语的自动语音识别任务，在Common Voice 9.0数据集上进行了微调

高性能瑞典语识别

在Common Voice测试集上取得了7.72%的WER和2.61%的CER

基于大规模预训练模型

基于KBLab的wav2vec2-large-voxrex模型微调，继承了强大的语音特征提取能力

多数据集验证

在多个测试集上进行了验证，包括Common Voice和speech-recognition-community-v2

瑞典语语音识别

语音转文本

音频内容转录

语音转录

瑞典语会议记录

将瑞典语会议录音自动转录为文字记录

准确率可达92.28% (WER 7.72)

语音助手

用于瑞典语语音助手系统的语音识别模块

无障碍应用

实时字幕生成

为瑞典语视频内容生成实时字幕

属性	详情
模型类型	自动语音识别
训练数据	mozilla - foundation/common_voice_9_0

任务	数据集	分割	参数	字错误率（WER）	字符错误率（CER）
自动语音识别	mozilla - foundation/common_voice_9_0	测试	sv - SE	7.72	2.61
自动语音识别	speech - recognition - community - v2/dev_data	验证	sv	16.23	8.21
自动语音识别	speech - recognition - community - v2/dev_data	测试	sv	15.08	7.51

训练损失	轮数	步数	验证损失	字错误率（Wer）
2.9099	10.42	1000	2.8369	1.0
1.0745	20.83	2000	0.1957	0.1673
0.934	31.25	3000	0.1579	0.1389
0.8691	41.66	4000	0.1457	0.1290
0.8328	52.08	5000	0.1435	0.1205
0.8068	62.5	6000	0.1350	0.1191
0.7822	72.91	7000	0.1347	0.1155
0.7769	83.33	8000	0.1321	0.1131
0.7678	93.75	9000	0.1321	0.1115