模型介绍
中文整理- 模型概述
本模型基于阿里开源的 iic/speech paraformer-large asr nat-zh-cn-16k-common-vocab8404-pytorch 模型训练，使用了 205 h 的四川话数据集。
并且在训练后做了评估，字错率前后对比相差 4% ，训练之前为 10% 的字错率，训练后为 6% 的字错率。
当前开源的是训练到 3 epoch，如需要完整的 50 epoch，可以联系我 lukeewin01，需说明来意。
- 模型介绍
Paraformer是达摩院语音团队提出的一种高效的非自回归端到端语音识别框架。本项目为Paraformer中文通用语音识别模型，采用工业级数万小时的标注音频进行模型训练，保证了模型的通用识别效果。模型可以被应用于语音输入法、语音导航、智能会议纪要等场景。
- 模型训练
下面为训练过程中截的 loss 曲线变化图，从图中可知，这个模型训练是有效果的。
下面这图是 lr 学习率，从图可知这个学习率已经趋于平稳。
- 模型推理
先安装 python 依赖
安装 cuda 版本的 torch
下面是推理代码，第一次运行会自动从 modelscope 中下载模型文件，如果是内网运行，需要把下面代码中的 model dir 修改为模型的绝对路径。需要注意该模型不兼容 spk model，不能直接引入 cam++ 模型实现区分说话人，如需兼容 cam++ 实现区分说话人语音识别，可联系 lukeewin01，需说明来意。
- 模型字错率评估
训练前，对四川话测试集测试评估字错率为 10%，如下图所示。
训练之后，对相同的四川话测试集评估字错率为 6%，如下图所示。
如何测试字错率，可以看 https://blog.lukeewin.top/archives/train-asr-model-paraformer#toc-head-4
- 其它
四川话方言数据集：点击这里
演示视频：点击这里
个人博客：https://blog.lukeewin.top
客家话ASR模型：点击这里
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。