跳到正文
arXiv · AI· Jeevan Neupane, Janardan Bhetwal, Kshitiz Paudel, Anup Aryal, Bipin Bashyal·· 9 天前AI 评分23

SraVaani 模型针对尼泊尔语-英语代码混杂语音识别的数据准备与适配

Nepali-English Code-Mixed Speech Recognition: Data Preparation and Adaptation of a Speech Foundation Model

AI 导读

研究通过 172.8 小时语料库适配 449M 参数的 SraVaani 混合 TDT-CTC 模型以处理尼泊尔语与英语混杂场景。 微调使测试集 WER 从 48.6% 降至 17.1%,12 轮训练进一步降至 16.3%,优于微调后的 Whisper large-v3-turbo;冻结编码器会导致 WER 回升至 25.5%。

来源:arXiv · AI · arxiv.org