许可证: cc-by-4.0 数据集:

• MultiBridge/LnNor
• speech31/timit_english_ipa 语言:
• en 评估指标:
• cer 基础模型:
• facebook/wav2vec2-base 管道标签: 自动语音识别 标签:
• 音素识别
• 国际音标(IPA) 模型索引:
• 名称: MultiBridge/wav2vec-LnNor-IPA-ft 结果:
  • 任务: 类型: 音素识别 名称: 音素识别 数据集: 名称: TIMIT 类型: speech31/timit_english_ipa 评估指标:
    • 类型: cer 值: 0.0416 名称: CER

MultiBridge/wav2vec-LnNor-IPA-ft模型卡片

该模型专为音素识别任务构建，通过对TIMIT和LnNor数据集上的wav2vec2基础模型进行微调开发而成，预测结果采用国际音标(IPA)表示。

模型详情

模型描述

• 开发者: Multibridge
• 资助方[可选]: EEA金融机制和挪威金融机制
• 共享方[可选]: Multibridge
• 模型类型: Transformer
• 支持语言(NLP): 英语
• 许可证: cc-by-4.0
• 微调基础模型[可选]: facebook/wav2vec2-base

用途

• 自动音标转写：将原始语音转换为音素序列

• 语音处理应用：作为语音处理流程中的组件或原型开发

偏差、风险与限制

• 数据特异性：通过排除短于2秒或长于30秒的录音，以及少于5个音素的标签，忽略了部分自然语音变化。这可能会影响模型在现实应用中的表现。模型性能受TIMIT和LnNor数据集特性影响，可能导致偏差，特别是当目标应用涉及这些数据集中代表性不足的说话者或方言时。LnNor包含非母语语音和自动生成的标注，这些标注反映的是标准发音而非真实发音，可能导致模型无法准确预测非母语语音。

• 冻结编码器：冻结编码器保留了有用的预学习特征，但也限制了模型对新数据集的完全适应。