许可证: cc-by-4.0 标签:

• 音频
• 自动语音识别
• hf-asr排行榜 语言: 爱沙尼亚语 模型索引:
• 名称: TalTechNLP/whisper-large-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 11 类型: mozilla-foundation/common_voice_11_0 配置: et 拆分: test 指标:
    • 名称: 测试WER 类型: wer 值: 12.03
    • 名称: 测试CER 类型: cer 值: 3.18
  • 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 配置: et 拆分: test 指标:
    • 名称: 测试WER 类型: wer 值: 11.35
    • 名称: 测试CER 类型: cer 值: 2.75

Whisper-large-et

这是基于openai/whisper-large-v2模型微调的爱沙尼亚语版本，训练数据约1200小时，涵盖多样化的爱沙尼亚语内容。

模型描述

该模型由塔尔图理工大学语言技术实验室开发，是一款通用型爱沙尼亚语自动语音识别（ASR）模型。

使用场景与限制

本模型适用于通用场景下的语音识别，如广播对话、访谈、讲座等。

使用方法

推荐使用faster-whisper。

例如：

• 将HF模型转换为CT2格式：

  ct2-transformers-converter --model TalTechNLP/whisper-large-et --output_dir whisper-large-et.ct2 --copy_files tokenizer.json --quantization float16

• 解码：

  whisper-ctranslate2 --model_directory whisper-large-et.ct2 --task transcribe --language et --beam_size 5 某文件.mp3

限制与偏差

由于模型主要基于广播语音和网络文本训练，可能在以下场景表现欠佳：

• 含专业术语的语音
• 儿童语音
• 非母语者语音
• 高噪声或远场麦克风录音
• 高度即兴或重叠语音

训练数据

声学训练数据：