许可证: apache-2.0
标签:

• 自动语音识别
  数据集:
• NbAiLab/NPSC
  语言:
• 挪威语
• 书面挪威语（Bokmål）

模型索引:

• 名称: nb-wav2vec2-300m-bokmaal
  结果:
  • 任务:
    名称: 自动语音识别
    类型: automatic-speech-recognition
    数据集:
    名称: NPSC
    类型: NbAiLab/NPSC
    参数: 16K_mp3_bokmaal
    指标:
    • 名称: 测试集（书面挪威语）词错误率
      类型: wer
      值: 0.0703
    • 名称: 测试集（书面挪威语）字符错误率
      类型: cer
      值: 0.0269

挪威语Wav2Vec2模型 - 300M参数 - VoxRex - 书面挪威语版

本模型基于瑞典国家图书馆的VoxRex模型特征提取器进行微调。在5-gram KenLM语言模型加持下，微调后的模型在测试集上取得如下成绩（括号内为未使用语言模型的结果）：

• 词错误率(WER): 0.0703 (0.0979)
• 字符错误率(CER): 0.0269 (0.0311)

模型描述

这是我们团队在🤗主办的鲁棒语音挑战赛期间开发的多个Wav2Vec模型之一。以下是完整模型列表及其最终得分：

数据集

团队在赛事期间同步将挪威议会语音语料库(NPSC)转换为🤗数据集格式NbAiLab/NPSC作为主要训练数据源。

代码

我们已开源赛事期间开发的所有代码，以便挪威NLP社区基于此开发更优秀的ASR模型。这些模型的微调对算力要求不高，按照本文指引，使用普通GPU可在一天内训练出自定义语音识别系统。

开发团队

贡献者包括：Rolv-Arild Braaten, Per Egil Kummervold, Andre Kåsen, Javier de la Rosa, Per Erik Solberg, Freddy Wetjen。

训练流程

复现步骤建议先遵循🤗的瑞典语模型训练指南。验证成功后，复制我们代码库中的run.sh和run_speech_recognition_ctc.py文件开始训练，调整超参数可能获得更好效果。

语言模型

如分数所示，添加5-gram语言模型可显著提升效果。可参考🤗的语言模型集成指南，或直接使用本项目的5-gram模型。

关键参数

最终训练参数如下（完整列表见原文）。调整以下参数可平衡训练速度与效果：

文献引用

@inproceedings{de-la-rosa-etal-2023-boosting,
    title = "Boosting {N}orwegian Automatic Speech Recognition",
    author = "De La Rosa, Javier  and
      Braaten, Rolv-Arild  and
      Kummervold, Per  and
      Wetjen, Freddy",
    booktitle = "Proceedings of the 24th Nordic Conference on Computational Linguistics",
    year = "2023",
    pages = "555--564",
    url = "https://aclanthology.org/2023.nodalida-1.55"
}

详见论文