懂AI
wav2vec2-xls-r-1b-portuguese

wav2vec2-xls-r-1b-portuguese

XLS-R 1B微调的葡萄牙语语音识别模型

该项目基于XLS-R 1B模型微调，专注于葡萄牙语语音识别。模型在Common Voice 8.0等多个数据集上训练，测试集词错误率达8.7%。支持16kHz采样率语音输入，可通过HuggingSound库或自定义脚本使用。项目为葡萄牙语语音识别研究和应用提供了实用工具。

模型Common Voice葡萄牙语Github语音识别XLS-R开源项目HuggingfaceWav2Vec2
GitHubHugging Face文档

wav2vec2-xls-r-1b-portuguese项目介绍

这个项目是由Jonatas Grosman开发的一个用于葡萄牙语语音识别的模型。该模型是基于Facebook的wav2vec2-xls-r-1b模型进行微调的，专门针对葡萄牙语进行了优化。

模型特点

  1. 基于大规模预训练模型：该模型是在Facebook的wav2vec2-xls-r-1b基础上微调而来，充分利用了大规模预训练模型的优势。

  2. 多数据集训练：模型使用了多个葡萄牙语语音数据集进行训练，包括Common Voice 8.0、CORAA、Multilingual TEDx和Multilingual LibriSpeech，这有助于提高模型的泛化能力。

  3. 高性能：在Common Voice 8测试集上，该模型的词错误率(WER)为8.7%，字符错误率(CER)为2.55%。使用语言模型后，性能进一步提升，WER降至6.04%，CER降至1.98%。

  4. 适用于16kHz采样率：使用该模型时，需要确保输入的语音数据采样率为16kHz。

使用方法

该模型可以通过两种方式使用：

  1. 使用HuggingSound库：这是一种简单直接的方法，只需几行代码即可完成语音识别任务。

  2. 自定义推理脚本：对于需要更多控制的用户，可以编写自己的推理脚本，使用transformers库中的Wav2Vec2ForCTC和Wav2Vec2Processor类。

评估方法

项目提供了评估脚本，可以在不同数据集上评估模型性能。用户可以使用命令行工具对模型在Common Voice 8.0测试集和Robust Speech Event开发数据集上进行评估。

项目贡献

这个项目的开发得到了OVHcloud提供的GPU资源支持，使用了HuggingSound工具进行模型微调。开发者Jonatas Grosman为语音识别领域做出了重要贡献，特别是在葡萄牙语语音识别方面。

开源许可

该项目采用Apache 2.0许可证，允许用户自由使用、修改和分发，但需要保留原作者的版权声明。

应用前景

这个模型在葡萄牙语语音识别领域具有广阔的应用前景，可以用于开发各种语音相关的应用，如语音转文本、语音助手、会议记录等。随着语音技术的不断发展，这类模型将在人机交互、无障碍技术等领域发挥越来越重要的作用。

模型版权

如果用户在研究或应用中使用了这个模型，开发者建议使用提供的引用格式来引用该项目，以表示对原作者工作的认可和尊重。

编辑推荐精选

蛙蛙写作

蛙蛙写作

AI小说写作助手，一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI助手AI工具AI写作工具AI辅助写作蛙蛙写作学术助手办公助手营销助手
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。

热门AI工具生产力协作转型TraeAI IDE
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。

聊天机器人AI助手热门AI工具AI对话
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。

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

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型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。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
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。

下拉加载更多