#挪威语

nb-wav2vec2-300m-nynorsk是一个针对挪威语新挪威语的Wav2Vec2语音识别模型。该模型基于VoxRex特征提取器,使用NbAiLab/NPSC数据集进行微调,在NPSC测试集上达到了0.1222的词错误率(WER)和0.0419的字符错误率(CER)。作为Robust Speech Event项目的成果之一,模型及其训练代码已开源,为挪威自然语言处理社区提供了进一步改进自动语音识别技术的基础。

nb-wav2vec2-1b-bokmaal是一个基于XLS-R的挪威语Bokmål语音识别模型，在NPSC测试集上达到6.33%词错误率和2.48%字符错误率。该模型由NbAiLab团队使用挪威议会语音语料库(NPSC)训练，并开源了完整代码和参数配置，便于研究者复现和优化。模型在Hugging Face平台发布，支持挪威语自动语音识别任务。

nb-bert-base-ner是一个基于BERT的挪威语命名实体识别模型，通过NorNE数据集微调而成。此模型能够识别挪威语文本中的人名、地名等命名实体。开发者可借助Hugging Face的transformers库轻松集成和使用，项目还提供了简洁的示例代码，便于快速实现挪威语命名实体识别功能。

NB-Whisper是挪威国家图书馆开发的自动语音识别和语音翻译模型系列。基于OpenAI的Whisper架构，使用20,000小时标注数据训练，支持挪威语、挪威博克马尔语、挪威尼诺斯克语和英语。该模型能将口语转换为语法正确的书面语句，目前处于公开测试阶段，提供从tiny到large共5种规模可供选择。NB-Whisper在挪威语语音识别领域达到了最先进水平，但仍存在幻觉和丢失部分转录内容的问题。

NB-Whisper Small是挪威国家图书馆开发的挪威语自动语音识别模型。基于OpenAI的Whisper架构,该模型使用66,000小时的语音数据训练,支持挪威语和英语的转录与翻译。通过Hugging Face Transformers库可轻松调用,提供高精度转录、时间戳和说话人分离等功能,适用于多种语音识别场景。

该模型针对丹麦语、挪威语和瑞典语进行了自然语言推理微调，适用于零样本分类任务，拥有多个版本。大模型在语言任务中成绩突出，MCC为73.70%，F1分数为74.44%，准确率达83.91%。基于NbAiLab/nb-bert-large模型，并综合多语言NLI数据集进行训练，实现了对北欧语言的全面支持，适用于多语言自然语言处理。

opus-mt-no-de是一个开源的挪威语-德语神经机器翻译模型。该模型采用transformer-align架构，支持从挪威语的两种书面变体(Nynorsk和Bokmål)到德语的转换。模型使用SentencePiece进行文本预处理，在Tatoeba评测集上取得29.6 BLEU分数。项目开源于2020年6月，提供完整的模型文件及测试数据。

该模型旨在分析挪威语评论情感，利用Norwegian Review Corpus和情感数据集训练。由Simen Aabol和Marcus Dragsten开发，基于norbert2模型进行了微调。模型能够分析挪威语句子的情感，准确率达83.57%。