wav2vec2-large-xlsr-coraa-portuguese-cv8开源模型 - 免费实现精准葡萄牙语语音识别

Wav2vec2 Large Xlsr Coraa Portuguese Cv8

由 lgris 开发

基于Edresson/wav2vec2-large-xlsr-coraa-portuguese在common_voice数据集上微调的葡萄牙语语音识别模型

下载量 34

发布时间 : 3/2/2022

模型简介

该模型是针对葡萄牙语优化的自动语音识别(ASR)模型，基于wav2vec2-large-xlsr架构，在Common Voice 8.0数据集上进行了微调，能够将葡萄牙语语音转换为文本。

高准确率

在评估集上取得13.65%的词错误率(WER)，表现优异

基于大规模预训练

基于wav2vec2-large-xlsr架构的预训练模型进行微调

专门针对葡萄牙语优化

在Common Voice葡萄牙语数据集上进行了专门微调

葡萄牙语语音识别

语音转文本

语音转录

语音备忘录转录

将葡萄牙语语音备忘录转换为可搜索的文本

准确率约86.35%

无障碍应用

实时字幕生成

为葡萄牙语视频内容生成实时字幕

这个模型是基于 Edresson/wav2vec2-large-xlsr-coraa-portuguese 在 common_voice 数据集上进行微调的版本。它在评估集上取得了以下结果：

更多信息待补充。

更多信息待补充。

更多信息待补充。

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）
0.5614	0.1	100	0.2542	0.1986
0.5181	0.19	200	0.2740	0.2146
0.5056	0.29	300	0.2472	0.2068
0.4747	0.39	400	0.2464	0.2166
0.4627	0.48	500	0.2277	0.2041
0.4403	0.58	600	0.2245	0.1977
0.4413	0.68	700	0.2156	0.1968
0.437	0.77	800	0.2102	0.1919
0.4305	0.87	900	0.2130	0.1864
0.4324	0.97	1000	0.2144	0.1902
0.4217	1.06	1100	0.2230	0.1891
0.3823	1.16	1200	0.2033	0.1774
0.3641	1.25	1300	0.2143	0.1830
0.3707	1.35	1400	0.2034	0.1793
0.3767	1.45	1500	0.2029	0.1823
0.3483	1.54	1600	0.1999	0.1740
0.3577	1.64	1700	0.1928	0.1728
0.3667	1.74	1800	0.1898	0.1726
0.3283	1.83	1900	0.1920	0.1688
0.3571	1.93	2000	0.1904	0.1649
0.3467	2.03	2100	0.1994	0.1648
0.3145	2.12	2200	0.1940	0.1682
0.3186	2.22	2300	0.1879	0.1571
0.3058	2.32	2400	0.1975	0.1678
0.3096	2.41	2500	0.1877	0.1589
0.2964	2.51	2600	0.1862	0.1568
0.3068	2.61	2700	0.1809	0.1588
0.3036	2.7	2800	0.1769	0.1573
0.3084	2.8	2900	0.1836	0.1524
0.3109	2.9	3000	0.1807	0.1519
0.2969	2.99	3100	0.1851	0.1516
0.2698	3.09	3200	0.1737	0.1490
0.2703	3.19	3300	0.1759	0.1457
0.2759	3.28	3400	0.1778	0.1471
0.2728	3.38	3500	0.1717	0.1462
0.2398	3.47	3600	0.1767	0.1451
0.256	3.57	3700	0.1742	0.1410
0.2712	3.67	3800	0.1674	0.1414
0.2648	3.76	3900	0.1717	0.1423
0.2576	3.86	4000	0.1672	0.1403
0.2504	3.96	4100	0.1683	0.1381
0.2406	4.05	4200	0.1685	0.1399
0.2403	4.15	4300	0.1656	0.1381
0.2233	4.25	4400	0.1687	0.1371
0.2546	4.34	4500	0.1642	0.1377
0.2431	4.44	4600	0.1655	0.1372
0.2337	4.54	4700	0.1625	0.1370
0.2607	4.63	4800	0.1618	0.1363
0.2292	4.73	4900	0.1622	0.1366
0.2232	4.83	5000	0.1626	0.1365