Monsoon数据集改善低资源语音识别
同一Whisper Medium经Monsoon微调后,泰卢固语语义WER从92.7%降至16.1%。
推荐理由:在不改架构和参数量的情况下,语义WER下降76.6个百分点,说明低资源语音识别的主要瓶颈可能是覆盖真实噪声与口语场景的数据,而非模型规模。
同一Whisper Medium经Monsoon微调后,泰卢固语语义WER从92.7%降至16.1%。
推荐理由:在不改架构和参数量的情况下,语义WER下降76.6个百分点,说明低资源语音识别的主要瓶颈可能是覆盖真实噪声与口语场景的数据,而非模型规模。