W

Wav2vec2 Base Toy Train Data Masked Audio

由 scasutt 开发
基于facebook/wav2vec2-base微调的语音识别模型,在玩具数据集上训练,支持音频掩码任务
下载量 22
发布时间 : 3/26/2022

模型简介

该模型是基于wav2vec2-base架构的变体,专门针对音频掩码任务进行优化,适用于语音识别和音频特征提取场景

模型特点

音频掩码能力
专门针对音频掩码任务进行优化,能够有效处理被掩码的音频输入
轻量级微调
基于预训练的wav2vec2-base模型进行微调,适合小规模数据集
渐进式性能提升
训练过程中词错误率从1.0逐步降低到0.7340,显示良好的学习曲线

模型能力

语音识别
音频特征提取
掩码音频预测

使用案例

语音处理
噪声环境语音识别
在部分音频被掩码或噪声干扰的情况下进行语音识别
词错误率0.7340
音频数据增强
用于生成音频掩码任务的训练数据
AIbase
智启未来,您的人工智能解决方案智库
简体中文