#Common Voice

wav2vec2-large-xlsr-53-english

该模型基于wav2vec2-large-xlsr-53在Common Voice 6.1英语数据集上微调而来。在Common Voice英语测试集上，模型达到19.06%词错率和7.69%字符错误率。支持16kHz采样率语音输入，可单独使用或结合语言模型。提供HuggingSound库和自定义脚本的Python示例代码，方便用户进行语音识别。

wav2vec2-large-xlsr-53-japanese

该模型是在facebook/wav2vec2-large-xlsr-53基础上，使用日语语音数据集微调而来的语音识别模型。在Common Voice日语测试集上，其词错误率(WER)为81.80%，字符错误率(CER)为20.16%，优于同类模型。它可直接用于日语语音转文本，无需额外语言模型。模型要求输入音频采样率为16kHz。

wav2vec2-large-xlsr-53-chinese-zh-cn

该模型基于Common Voice、CSS10和ST-CMDS数据集，对facebook的wav2vec2-large-xlsr-53进行了微调，以实现中文自动语音识别。模型能够处理16kHz采样率的语音输入，可通过HuggingSound库直接进行语音转录或使用定制推理脚本。评估结果显示，模型在Common Voice测试数据集上WER为82.37%，CER为19.03%。感谢OVHcloud提供的GPU支持，该模型适用于医药、教育等领域语音数据处理。

wav2vec2-large-xlsr-53-russian

该项目是一个基于wav2vec2-large-xlsr-53的俄语语音识别微调模型。经Common Voice 6.1和CSS10数据集训练，适用于16kHz采样的语音输入。模型在Common Voice ru测试集上实现13.3%词错误率和2.88%字符错误率，加入语言模型后性能提升至9.57%和2.24%。支持通过HuggingSound库或自定义脚本使用，可应用于多种俄语语音识别场景。

wav2vec2-large-xlsr-53-portuguese

此语音识别模型通过在Common Voice 6.1数据集上微调XLSR-53模型，专门针对葡萄牙语优化。在测试中，模型表现优异，词错误率为11.31%，字符错误率为3.74%。模型设计用于处理16kHz采样率的语音输入，可独立使用或与语言模型结合以提升性能。项目还包含详细的使用说明和评估工具，方便研究者和开发者快速应用和测试。

wav2vec2-large-xlsr-53-dutch

这是一个基于facebook/wav2vec2-large-xlsr-53模型，针对荷兰语语音识别任务进行微调的模型。通过使用Common Voice 6.1和CSS10数据集进行训练，该模型在Common Voice nl测试集上达到了15.72%的词错误率和5.35%的字符错误率。模型设计用于处理16kHz采样率的语音输入，可单独使用或与语言模型配合。项目详细说明了使用方法和评估流程，为荷兰语自动语音识别提供了一个有效的开源解决方案。

wav2vec2-large-xls-r-300m-Urdu

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。

wav2vec2-large-xlsr-53-polish

此模型基于wav2vec2-large-xlsr-53，在波兰语Common Voice数据集上进行微调。在测试集上达到14.21%词错率和3.49%字错率。模型支持16kHz采样率的波兰语语音输入，可用于自动语音识别任务。用户可使用HuggingSound库或自定义脚本轻松实现推理。

open-speech-corpora

open-speech-corpora项目为语音技术研究和开发提供了一个丰富的开放语料库清单。这些语料库多为免费并在创意共享许可证或社区数据许可协议下发布，方便研究和商业使用。它覆盖多种语言和超过2万小时的验证语音数据，是学者和开发者理想的数据资源。项目鼓励社区成员提出资源增补，以进一步完善数据库。