arXiv cs.CL· Sait Furkan Teke (ufak AI)·· 10 小时前AI 评分31
ufakzeka-kulak：从零构建并评估 31.6M 参数土耳其语语音识别模型
ufakzeka-kulak: Building and Evaluating a 31.6M-Parameter Turkish Speech Recognizer from Scratch
AI 导读
ufakzeka-kulak 是一个 31.6M 参数的开源土耳其语语音转文字模型，采用 FastConformer 编码器搭配 TDT 与 CTC 头，从零训练并以 Apache-2.0 许可发布。
正文 · AI 翻译
摘要：ufakzeka-kulak 是一个开源的土耳其语语音转文本模型，参数量为 31.6M，采用 FastConformer 编码器，配有 token-and-duration transducer（TDT）和 CTC 头，从零开始训练，并以 Apache-2.0 许可发布。它输出带大小写、带标点的土耳其语，数字以文字形式书写。其 4,977 小时训练数据来自允许商业使用的来源；其中 281 小时为人工转写，其余 4,696 小时的训练文本为上传者字幕或机器转写，仅在音频的第二次独立读取与其一致时才保留。配方、检查点、标注和导出选择均在开发数据上做出，测试集仅评分一次，评分在训练前固定的发布门禁中进行。使用贪心 TDT 解码时，归一化词错误率（WER）在 FLEURS 土耳其语测试集上为 0.0921（95% 区间 0.0792 至 0.1055），在 Common Voice 27.0 土耳其语测试集上为 0.0916（0.0873 至 0.0958），在两个测试集上均低于 Whisper base 和 Whisper small，且配对区间完全低于零；Whisper large-v3（贪心）得分为 0.0604 和 0.0767。在对话语音上，WER 为 0.3807。我们还报告了标点和大小写、退化音频，以及每个发布导出与训练模型的接近程度。
| 评论： | 9 页（正文在第 1 至 8 页，参考文献在第 8 和 9 页）。模型、卡片、署名、代码和演示：此 https URL、此 https URL、此 https URL |
| 主题： | 计算与语言（cs.CL）；音频与语音处理（eess.AS） |
| ACM 分类： | I.2.7 |
| 引用为： | arXiv:2611.03605 [cs.CL] |
| （或 arXiv:2611.03605v1 [cs.CL] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.03605 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Sait Furkan Teke [查看电子邮件]
[v1]
2026 年 11 月 2 日星期一 18:42:32 UTC（15 KB）
来源：arXiv cs.CL · arxiv.org