Project Icon

wav2vec2-large-xlsr-53-romanian

基于XLSR-53的罗马尼亚语语音识别模型

该项目基于Facebook的wav2vec2-large-xlsr-53模型,通过Common Voice罗马尼亚语数据集进行微调,创建了一个专门用于罗马尼亚语的语音识别模型。在Common Voice罗马尼亚语测试集上,模型达到了24.84%的词错误率。适用于16kHz采样的罗马尼亚语音输入,无需额外语言模型即可使用。项目还提供了完整的使用说明和评估代码,便于研究者和开发者快速应用和验证。

wav2vec2-large-xlsr-53-th - 基于Common Voice数据集微调的泰语语音识别模型
Common VoiceGithubHuggingfaceWav2Vec2开源项目模型泰语自然语言处理语音识别
该项目提供了一个基于wav2vec2-large-xlsr-53架构的泰语语音识别模型。模型使用Common Voice 7.0数据集进行微调,在测试集上实现了13.63%的词错率和2.81%的字符错率。项目详细介绍了数据预处理、模型训练和评估流程,并与主流商业API进行了性能对比。此模型可用于开发泰语语音转文本应用,为泰语自然语言处理研究提供了有价值的资源。
wav2vec2-large-xlsr-53-persian - 基于XLSR-53微调的开源波斯语语音识别模型
Common VoiceGithubHuggingfaceWav2Vec2XLSR-53开源项目模型波斯语语音识别
该开源项目提供了一个基于XLSR-53的波斯语语音识别模型。通过在Common Voice数据集上微调,模型达到30.12%词错误率和7.37%字符错误率,超越同类方案。模型支持16kHz采样率语音直接识别,无需额外语言模型。项目包含完整使用指南和评估脚本,方便研究与应用。
wav2vec2-base-960h - Facebook开发的高效语音识别模型
GithubHuggingfaceLibriSpeechWav2Vec2开源项目模型深度学习自然语言处理语音识别
wav2vec2-base-960h是Facebook开发的语音识别模型,基于960小时LibriSpeech数据集训练。在LibriSpeech clean/other测试集上,词错误率分别为3.4%和8.6%。模型可从原始音频学习表征,仅需1小时标记数据即可超越现有方法,展示了低资源语音识别的潜力。
wav2vec2-xlsr-1b-finnish-lm-v2 - 芬兰语语音识别模型精调,提升语音转文字效果
GithubHuggingfacewav2vec2-xlsr-1b开源项目模型芬兰语训练数据语言模型语音识别
wav2vec2-xlsr-1b-finnish-lm-v2模型基于Facebook AI的多语言预训练模型,为芬兰语自动语音识别进行了优化,使用275.6小时的录音数据进行精调。模型在Common Voice 7.0和FLEURS ASR数据集的测试中取得了4.09%的词错误率(WER)和12.11%的WER。模型配有芬兰语KenLM语言模型用于解码,适合短语音片段处理。其在正式语境中的表现较佳,但普及日常口语和方言的能力有限。可通过训练自定义KenLM以适应特定领域语言。
wav2vec2-xls-r-300m-mixed - wav2vec2模型在多语言环境下的创新语音识别解决方案
GithubHuggingfaceKeraswav2vec2-xls-r-300m-mixed开源项目模型评估数据集语言模型语音识别
wav2vec2-xls-r-300m-mixed项目在马来语、Singlish和普通话三种语言上进行了微调。依托单GPU(RTX 3090 Ti)完成训练,结合语言模型在CER和WER等指标上表现优异,尤其在普通话识别中取得了最低WER 0.075。这为多语言语音识别的研究与优化提供了一个有效路径。
wav2vec2-large-xlsr-malayalam - 基于wav2vec2的马来亚拉姆语语音识别模型
GithubHuggingfaceMalayalamWav2Vec2XLSR开源项目模型模型微调语音识别
这个项目是基于wav2vec2-large-xlsr-53模型针对马来亚拉姆语优化的语音识别系统。利用多个马来亚拉姆语语音数据集训练,测试集词错误率达28.43%。模型支持16kHz采样的语音输入,无需额外语言模型。项目提供了使用指南、评估方法和训练流程,便于部署和进一步改进。
wav2vec2-large-xlsr-bahasa-indonesia - wav2vec2架构的印尼语语音识别模型
Common VoiceGithubHuggingfaceWav2vec2Whisper印尼语开源项目模型语音识别
这是一个开源的印尼语自动语音识别模型,基于wav2vec2-large-xlsr架构。模型使用Common Voice 6.1印尼语数据集训练,测试集词错误率为19.3%。项目提供训练代码仓库和联系方式。值得注意的是,作者已发布新版模型,具有更小体积和更低的5.9% WER。
wav2vec2-large-xls-r-300m-Urdu - 基于wav2vec2的乌尔都语语音识别模型
Common VoiceGithubHuggingfaceUrduwav2vec2开源项目模型模型微调语音识别
这是一个基于wav2vec2-xls-r-300m在Common Voice 8数据集上微调的乌尔都语语音识别模型。模型在测试集上达到39.89%的词错误率和16.7%的字符错误率。通过200轮训练,采用线性学习率调度和Adam优化器。模型支持简单的Python代码推理,并可与语言模型集成以提升性能。
bert-base-romanian-ner - 罗马尼亚语命名实体识别的高级BERT模型
GithubHuggingfaceRONECbert-base-romanian-ner命名实体识别开源项目文本预处理模型模型性能
此项目提供了一款经过微调的BERT模型,专注于罗马尼亚语命名实体识别,以优异的性能而著称。模型识别15种实体,如人物、地缘政治实体、地点、组织等,并基于RONEC v2.0数据集训练,拥有超过50万标记及80,283个独特实体。生成的标签采用BIO2格式,使其在命名实体识别任务中表现卓越。用户可通过Transformers库的NER管道或Python包便捷使用该模型。
wav2vec2-large-robust-ft-libri-960h - 多领域预训练的大规模语音识别模型
GithubHuggingfaceLibrispeechWav2Vec2开源项目机器学习模型自监督学习语音识别
wav2vec2-large-robust-ft-libri-960h是一个基于Wav2Vec2架构的大规模语音识别模型。该模型在多个领域的音频数据集上进行了预训练,包括Libri-Light、CommonVoice、Switchboard和Fisher,涵盖了有声读物、众包语音和电话交谈等多种音频类型。随后,模型在960小时的Librispeech数据集上进行了微调。这种多领域预训练和目标域微调的方法显著提高了模型在跨领域语音识别任务中的性能。模型支持16kHz采样率的语音输入,适用于需要处理多样化音频数据的应用场景。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号