尼泊尔语-英语混合语音识别模型适配研究

Jeevan Neupane 等作者发表研究，用 172.8 小时、覆盖六个尼泊尔语语音领域的语料，适配 449M 参数的混合 TDT-CTC 模型 SraVaani。全量微调后，测试集词错误率（WER）从 48.6% 降至 17.1%；训练 12 个 epoch 时达到 16.3%，与微调后的 Whisper large-v3-turbo 的 16.4% 相当。 研究针对的是尼泊尔语-英语语码混合语音识别，核心结论是这一数据准备与微调方案能把 SraVaani 的识别错误率大幅压低，并接近对比模型的水平。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。