#芬兰语

bert-base-finnish-cased-v1是一个针对芬兰语优化的BERT模型。它使用超过30亿个芬兰语标记和50,000个自定义词片进行预训练，显著提高了芬兰语词汇覆盖率。在文档分类、命名实体识别和词性标注等任务中，该模型的表现超越了多语言BERT，为芬兰语自然语言处理领域带来了显著进步。

sbert-uncased-finnish-paraphrase是基于FinBERT训练的芬兰语句子BERT模型，专用于句子相似度分析。该模型使用平均池化方法，通过二元预测判断句子间的复述关系。兼容SentenceTransformer和HuggingFace Transformers库，为芬兰语自然语言处理提供高质量的句子嵌入。模型支持大规模相似句子检索，适用于多种芬兰语文本分析任务。

该模型是在wav2vec2-large-xlsr-53基础上微调的芬兰语语音识别系统。它利用Common Voice和CSS10数据集训练，支持16kHz采样率输入。无需额外语言模型，可直接用于芬兰语语音转文本。在Common Voice测试集上，词错率41.6%，字符错率8.23%。项目提供了使用指南和评估方法，适合芬兰语语音识别应用。

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。