京公网安备11010802038645号京ICP备20022436号-3京EDI证京B2-20220639区块链京网信备 1101082276223860002X号以下为卖家选择提供的数据验证报告：
数据描述
模型介绍
基于Paraformer large(iic/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch)，更换vocab为11666，增加kespeech以及粤语部分字，通过在普通话1w小时、粤语200小时、英语1w小时+整个kespeech train音频数据集上进行训练，当前版本为训练0.1 epoch。语音数据混合合并训练，并且增加噪音，所以模型可无缝识别多语言，抗噪音能力较强。
训练loss如下图，可见loss下降空间仍很大，继续训练效果应该挺不错的。
测试代码
from funasr import AutoModel
model = AutoModel(model="dengcunqin/speech_paraformer_large_asr_mtl-16k-common-vocab11666-pytorch",
model_revision="master"
)
wav_root_url="https://www.modelscope.cn/api/v1/models/dengcunqin/speech_paraformer_large_asr_mtl-16k-common-vocab11666-pytorch/repo?Revision=master&FilePath="
res = model.generate(input=wav_root_url+"example/asr_example.wav")
print(res)
res = model.generate(input=wav_root_url+"example/asr_example_普通话.wav")
print(res)
res = model.generate(input=wav_root_url+"example/asr_example_粤语.wav")
print(res)
方言版语音识别
769.72MB
申请报告