懂AI
nb-wav2vec2-1b-bokmaal

nb-wav2vec2-1b-bokmaal

基于XLS-R的挪威语Bokmål语音识别模型实现高精度转录

nb-wav2vec2-1b-bokmaal是一个基于XLS-R的挪威语Bokmål语音识别模型，在NPSC测试集上达到6.33%词错误率和2.48%字符错误率。该模型由NbAiLab团队使用挪威议会语音语料库(NPSC)训练，并开源了完整代码和参数配置，便于研究者复现和优化。模型在Hugging Face平台发布，支持挪威语自动语音识别任务。

Huggingface模型语音识别Github开源项目Wav2Vec2挪威语NPSCHugging Face
GitHubHugging Face论文

项目介绍

nb-wav2vec2-1b-bokmaal是一个用于挪威语博克马尔语(Bokmål)的自动语音识别(ASR)模型。这个模型是在Facebook/Meta的XLS-R特征提取器的基础上微调而来的。经过微调后,该模型在测试集上取得了优异的成绩:

  • 词错误率(WER): 0.0633 (使用5-gram语言模型)
  • 字符错误率(CER): 0.0248 (使用5-gram语言模型)

没有使用语言模型时,WER为0.0738,CER为0.0263。

模型特点

  1. 这是由NbAiLab团队在Hugging Face举办的Robust Speech Event活动中开发的几个Wav2Vec模型之一。

  2. 在所有开发的模型中,这个1B参数的博克马尔语模型表现最佳,WER达到了6.33%。

  3. 模型使用了挪威议会语音语料库(NPSC)进行训练,该语料库已被转换为Hugging Face数据集格式。

  4. 开发团队公开了所有代码,以便挪威NLP社区能够在此基础上开发更好的ASR模型。

  5. 使用普通GPU,按照说明可以在一天内训练出自己的ASR系统。

训练细节

  1. 训练过程参考了Hugging Face提供的指南。

  2. 开发团队提供了run.sh和run_speech_recognition_ctc.py文件,可以用于复现结果。

  3. 添加了5-gram语言模型来提升性能,可以使用挪威巨型语料库(NCC)构建。

  4. 详细的训练参数已在项目页面列出,包括学习率、批次大小、dropout率等。

  5. 使用这些设置,在普通GPU上训练可能需要3-4天时间。

应用前景

  1. 为挪威语自动语音识别提供了新的基准。

  2. 可作为进一步研究和改进挪威语ASR的基础。

  3. 为挪威NLP社区提供了宝贵的资源和起点。

  4. 有助于提高挪威语音技术的整体水平。

  5. 为其他语言的ASR模型开发提供了参考。

通过这个项目,NbAiLab团队大大推进了挪威语自动语音识别技术的发展,为未来更多创新奠定了基础。

编辑推荐精选

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多