ufakzeka-kulak
轻量级开源土耳其语语音识别模型,基于 FastConformer 编码器和 TDT/CTC 解码器,支持带标点和大写输出。
时间轴 (近 90 天)
ufakzeka-kulak 是一个仅有 31.6M 参数的开源土耳其语语音转文字模型,采用 FastConformer 编码器、TDT 和 CTC 头,从零开始训练,以 Apache-2.0 许可证发布。
模型输出带大小写、标点符号的土耳其语文本,数字以单词形式呈现。
模型使用了 4,977 小时的训练数据,所有来源的许可证均允许商业使用,其中 281 小时为人工转写,4,696 小时的训练文本来自上传者字幕或机器转写。
对于 4,696 小时的非人工转写数据,只有当音频的第二份独立读取结果与文本一致时,该样本才会被保留。
采用贪心 TDT 解码时,模型在 FLEURS 土耳其语测试集上的归一化 WER 为 0.0921,95% 置信区间为 0.0792 至 0.1055。
在 FLEURS 和 Common Voice 两个数据集上,ufakzeka-kulak 的 WER 均低于 Whisper base 和 Whisper small,且配对置信区间完全低于零,性能优势在统计上显著。
在对话语音场景下,ufakzeka-kulak 的 WER 上升至 0.3807。
全部知识事实 (7)
ufakzeka-kulak 是一个仅有 31.6M 参数的开源土耳其语语音转文字模型,采用 FastConformer 编码器、TDT 和 CTC 头,从零开始训练,以 Apache-2.0 许可证发布。
50%待验证模型输出带大小写、标点符号的土耳其语文本,数字以单词形式呈现。
50%待验证模型使用了 4,977 小时的训练数据,所有来源的许可证均允许商业使用,其中 281 小时为人工转写,4,696 小时的训练文本来自上传者字幕或机器转写。
50%待验证对于 4,696 小时的非人工转写数据,只有当音频的第二份独立读取结果与文本一致时,该样本才会被保留。
50%待验证采用贪心 TDT 解码时,模型在 FLEURS 土耳其语测试集上的归一化 WER 为 0.0921,95% 置信区间为 0.0792 至 0.1055。
50%待验证在 FLEURS 和 Common Voice 两个数据集上,ufakzeka-kulak 的 WER 均低于 Whisper base 和 Whisper small,且配对置信区间完全低于零,性能优势在统计上显著。
50%待验证在对话语音场景下,ufakzeka-kulak 的 WER 上升至 0.3807。
50%