AIbase

W

Wav2vec2 Large Xlsr 53 Demo Colab

由 Mahalakshmi 开发
这是一个基于wav2vec2架构的自动语音识别模型，专门针对泰米尔语进行优化，支持尼泊尔语语音识别任务。
语音识别
Transformers
其他
开源协议:Apache-2.0#多语言语音识别#低WER率#XLSR-53架构
下载量 17
发布时间 : 3/2/2022
模型介绍
内容详情
替代品

模型简介

该模型主要用于自动语音识别（ASR）任务，能够将泰米尔语和尼泊尔语的语音转换为文本。

模型特点

多语言支持
支持泰米尔语和尼泊尔语的语音识别。
高性能
在openslr数据集上的测试WER为25.02，表现优异。
基于wav2vec2架构
采用先进的wav2vec2-large-xlsr-53架构，具有强大的语音识别能力。

模型能力

语音识别
多语言处理

使用案例

语音转文本
泰米尔语语音转录
将泰米尔语语音转换为文本，适用于语音助手、字幕生成等场景。
测试WER为25.02
尼泊尔语语音转录
将尼泊尔语语音转换为文本，适用于语音助手、字幕生成等场景。