@@ -59,6 +59,7 @@ El dataset test de cada model és diferent pel que no es poden comparar entre s
59
59
| 0.9 | cap | - | 0.8.0 | CV5.1 + PPC + FC | TV3 | 20,12% |
60
60
| 0.10 | Anglès 0.8.0 | 3 | 0.8.0 | CV5.1 + PPC + FC | TV3 | 19,07% |
61
61
| 0.11 | Anglès 0.8.0 | 1 | 0.8.0 | CV5.1 + PPC + FC | Oscar | 15,81% |
62
+ | 0.12 | Anglès 0.8.0 | 1 | 0.8.0 | CV5.1 + PPC | Oscar | 14,06% |
62
63
63
64
### WER del corpus Google Crowdsourced
64
65
@@ -70,6 +71,7 @@ El dataset test de cada model és diferent pel que no es poden comparar entre s
70
71
| 0.9 | cap | - | 0.8.0 | CV5.1 + PPC + FC | TV3 | 31,88% |
71
72
| 0.10 | Anglès 0.8.0 | 3 | 0.8.0 | CV5.1 + PPC + FC | TV3 | 16,05% |
72
73
| 0.11 | Anglès 0.8.0 | 1 | 0.8.0 | CV5.1 + PPC + FC | Oscar* | 29,93% |
74
+ | 0.12 | Anglès 0.8.0 | 1 | 0.8.0 | CV5.1 + PPC | Oscar | 17,34% |
73
75
74
76
(* ) L'scorer Oscar conté les probabilitats extretes de les transcripcions del dataset pel que la WER està esbiaixada.
75
77
@@ -83,6 +85,7 @@ El dataset test de cada model és diferent pel que no es poden comparar entre s
83
85
| 0.9 | cap | - | 0.8.0 | CV5.1 + PPC + FC | TV3 | 50,10% |
84
86
| 0.10 | Anglès 0.8.0 | 3 | 0.8.0 | CV5.1 + PPC + FC | TV3 | 46,89% |
85
87
| 0.11 | Anglès 0.8.0 | 1 | 0.8.0 | CV5.1 + PPC + FC | Oscar | 45,89% |
88
+ | 0.12 | Anglès 0.8.0 | 1 | 0.8.0 | CV5.1 + PPC | Oscar | 22,65% |
86
89
87
90
## Possibles següents passos
88
91
0 commit comments