许可证: cc-by-4.0 标签:

• 音频
• 自动语音识别
• hf-asr-leaderboard 语言: 爱沙尼亚语 模型索引:
• 名称: xls-r-300m-et 结果:
  • 任务: 名称: 自动语音识别 类型: automatic-speech-recognition 数据集: 名称: Common Voice 类型: common_voice 参数: et 指标:
    • 名称: 测试WER 类型: wer 值: 12.520395591222402
    • 名称: 测试CER 类型: cer 值: 2.7091152438624897
  • 任务: 名称: 自动语音识别 类型: automatic-speech-recognition 数据集: 名称: Common Voice 8 类型: mozilla-foundation/common_voice_8_0 参数: et 指标:
    • 名称: 测试WER 类型: wer 值: 13.38447882323104
    • 名称: 测试CER 类型: cer 值: 2.9816686199500255

XLS-R-300m-ET

这是一个基于facebook/wav2vec2-xls-r-300m微调的XLS-R-300M模型，使用了约800小时多样化的爱沙尼亚语数据。

模型描述

这是由TalTech语言技术实验室训练的一个通用爱沙尼亚语ASR模型。它仅包含基于CTC的端到端模型，目前未提供语言模型。

预期用途与限制

该模型旨在用于通用语音识别，如广播对话、访谈、讲座等。

使用方法

待补充

限制与偏差

由于该模型主要基于广播语音和网络文本训练，可能在以下场景中存在识别困难：

• 包含技术术语及其他领域特定词汇的语音
• 儿童语音
• 非母语者语音
• 强噪声环境或远距离麦克风录制的语音
• 高度自发性和重叠语音

训练数据

声学训练数据:

训练过程

使用Fairseq进行微调。

评估结果

WER