Gustav114514/work

该数据集包含用于日语语音识别的微调模型，基于XLSR-53大模型，并在Common Voice 6.1、CSS10和JSUT数据集上进行了训练和验证。模型的使用需要输入16kHz采样的语音数据。

原始信息汇总

数据集概述

基本信息

• 语言: 日语 (ja)
• 数据集: Common Voice
• 指标:
  • WER (Word Error Rate)
  • CER (Character Error Rate)
• 标签:
  • 音频
  • 自动语音识别
  • 语音
  • xlsr-fine-tuning-week
• 许可证: Apache-2.0

模型信息

• 模型名称: XLSR Wav2Vec2 Japanese by Jonatas Grosman
• 任务: 语音识别 (Speech Recognition)
• 数据集: Common Voice ja
• 指标结果:
  • Test WER: 81.80%
  • Test CER: 20.16%

使用方法

• 直接使用: 无需语言模型
• 使用库: HuggingSound
• 自定义脚本: 使用 transformers 库进行推理

评估

• 评估脚本: 使用 datasets 和 transformers 库进行评估
• 评估结果:
  • WER: 81.80%
  • CER: 20.16%

引用

• BibTeX: bibtex @misc{grosman2021xlsr53-large-japanese, title={Fine-tuned {XLSR}-53 large model for speech recognition in {J}apanese}, author={Grosman, Jonatas}, howpublished={url{https://huggingface.co/jonatasgrosman/wav2vec2-large-xlsr-53-japanese}}, year={2021} }