W

Wav2vec2 Timit Demo

由 asini 开发
基于facebook/wav2vec2-base模型在TIMIT数据集上微调的语音识别模型
下载量 21
发布时间 : 3/2/2022

模型简介

该模型是用于英语语音识别的预训练模型,通过微调在TIMIT数据集上实现了较好的词错误率表现。

模型特点

高效微调
基于强大的wav2vec2-base模型进行微调,充分利用预训练模型的优势
低词错误率
在TIMIT数据集上实现了34.62%的词错误率(WER)
轻量级
基于wav2vec2-base架构,相比更大模型更节省计算资源

模型能力

英语语音识别
音频转文本
语音内容分析

使用案例

语音转录
会议记录
将英语会议录音自动转换为文字记录
准确率约65.38% (基于1-WER计算)
语音笔记
将英语语音笔记转换为可搜索的文本
语音分析
语音内容分析
分析语音内容中的关键词和主题
AIbase
智启未来,您的人工智能解决方案智库
© 2025AIbase