2

我在一些 Ted 演讲中比较了 wav2vec 和 Microsoft STT 的准确度水平。

准确度级别是单词错误率

|Video |Wav2Vec|MicrosftSTT|
|:---: |:-----:|:---------:|
|[1][1]|8.57   |3.7        |
|[2][2]|13.83  |5.8        |
|[3][3]|20.7   |11.1       |
|[4][4]|12.5   |6.6        |

微软在每个文件上都比 Wav2vec 高出两倍。Wav2vec 不应该是最先进的吗?我在这里想念什么?

我使用 fairseq 中提供的 960hr 大模型来生成文本

4

0 回答 0