kingabzpro/wav2vec2-large-xls-r-300m-Urdu
Urdu ASR XLS-R 300M A fine-tuned XLS-R 300M(https://huggingface.co/facebook/wav2vec2-xls-r-300m) CTC model for Urdu automatic speech recognition. It transcribes 16 kHz mono audio and includes an optional 5-gram KenLM decoder. Best reported result: 3...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Ngày
#1 Repository Của Ngày
#2 Repository Của Tuần
🎙️ Mô hình ASR Urdu dựa trên wav2vec2 lớn
Fine-tuned từ facebook/wav2vec2-xls-r-300m, tối ưu cho tiếng Urdu với KenLM 5-gram.
Đây là mô hình nhận dạng giọ nói tự động (ASR) cho tiếng Urdu, được huấn luyện lại từ mô hình wav2vec2-xls-r-300m lớn của Facebook. Mô hình hỗ trợ chuyển đổi giọ nói thành văn bản từ tệp âm thanh 16 kHz mono và tích hợp mô hình ngôn ngữ KenLM 5-gram tùy chọn để cải thiện độ chính xác.
✨ Điểm nổi bật
- Fine-tuned từ XLS-R 300M: Dựa trên mô hình đa ngôn ngữ lớn của Facebook.
- Hỗ trợ KenLM 5-gram: Giảm WER từ 56.07% xuống còn 39.89%.
- Kết quả tốt: Đạt 39.89% WER và 16.70% CER trên bộ test Common Voice 8.0.
- Tích hợp sẵn bộ giải mã: Dùng pyctcdecode kết hợp KenLM để tối ưu kết quả.
- Hỗ trợ CPU và GPU: Tự động chuyển đổi kiểu dữ liệu float16/float32 tùy thiết bị.
- Công cụ kiểm tra Kaggle: Cung cấp notebook đánh giá minh bạch trên Kaggle.
💡 Vì sao đáng chú ý
Mô hình không chỉ đưa ra kết quả giống như các giải pháp ASR chung, mà còn tích hợp sẵn KenLM để tối ưu ngữ cảnh ngôn ngữ Urdu — giảm lỗi nhận dạng đáng kể so với giải mã tham lam truyền thống. Đây là lựa chọn mạnh cho các ứng dụng cần chuyển đổi giọn âm thanh Urdu thành văn bản chính xác, đặc biệt trong môi trường nghiên cứu hoặc phát triển sản phẩm đa ngôn ngữ.
#ASR #UrduASR #wav2vec2 #KenLM #TiniX
Similar Projects
Discover other similar projects and AI models.
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...
Fine-tuned XLSR-53 large model for speech recognition in Japanese Fine-tuned facebook/wav2vec2-large-xlsr-53(https://huggingface.co/facebook/wav2vec2-large-xlsr-53) on Japanese using the train and validation splits of Common Voice 6.1(https://huggin...
Whisper Whisper is a pre-trained model for automatic speech recognition (ASR) and speech translation. Trained on 680k hours of labelled data, Whisper models demonstrate a strong ability to generalise to many datasets and domains without the need for...
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
Using this open-source model in production? Consider switching to pyannoteAI(https://www.pyannote.ai) for better and faster options. 🎹 Speaker diarization 3.1 This pipeline is the same as pyannote/speaker-diarization-3.0(https://hf.co/pyannote/speak...
Whisper Whisper is a pre-trained model for automatic speech recognition (ASR) and speech translation. Trained on 680k hours of labelled data, Whisper models demonstrate a strong ability to generalise to many datasets and domains without the need for...
🦜 Parakeet TDT 0.6B V2 (En) img { display: inline; } !Model architecture(https://img.shields.io/badge/ModelArch-FastConformer--TDT-bluemodel-badge)(model-architecture) | !Model size(https://img.shields.io/badge/Params-0.6B-greenmodel-badge)(model-a...
Nemotron 3.5 ASR h1, h2, h3, h4, h5, h6 { color: 76b900; / NVIDIA green / font-weight: 700; } hr { border: none; border-top: 1px solid e5e7eb; margin: 2rem 0; } / Improve list spacing / ul, ol { margin-top: 0.5rem; margin-bottom: 0.5rem; } / Badge a...