使用 Whisper 和 SraVaani 模型微调的新米佐语 ASR 系统

研究人员通过收集和整理超过 17 小时的语音数据，为资源匮乏的米佐语开发了一个新的自动语音识别 (ASR) 系统。他们微调了三个 Whisper 多语言模型和 SraVaani 1.0 印度多语言模型。Whisper-large-v3 模型在常规评估中实现了 18.08% 的最低词错误率 (WER)，在形态感知评估中为 7.22%。虽然 SraVaani 1.0 的初始 WER 较高，但微调显著提高了其性能，证明了适应性模型对未见语言的有效性。 AI

影响 提高了低资源语言的语音技术的可访问性，可能为米佐语使用者带来新的应用。

排序理由 该集群描述了一篇研究论文，详细介绍了为低资源语言创建和评估语音语料库以及微调 ASR 模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• arXivLabs
• Hugging Face
• Mizo
• SraVaani 1.0
• Whisper
• Whisper Large V3
• word error rate

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →