@@ -60,6 +60,7 @@ El dataset test de cada model és diferent pel que no es poden comparar entre s
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
62
| 0.12 | Anglès 0.8.0 | 1 | 0.8.0 | CV5.1 + PPC | Oscar | 14,06% |
63
+ | 0.13 | Català 0.12 | 0 | 0.9.2 | CV6.1 + PPC | Oscar | 12,44% |
63
64
64
65
### WER del corpus Google Crowdsourced
65
66
@@ -72,6 +73,7 @@ El dataset test de cada model és diferent pel que no es poden comparar entre s
72
73
| 0.10 | Anglès 0.8.0 | 3 | 0.8.0 | CV5.1 + PPC + FC | TV3 | 16,05% |
73
74
| 0.11 | Anglès 0.8.0 | 1 | 0.8.0 | CV5.1 + PPC + FC | Oscar* | 29,93% |
74
75
| 0.12 | Anglès 0.8.0 | 1 | 0.8.0 | CV5.1 + PPC | Oscar | 17,34% |
76
+ | 0.13 | Català 0.12 | 0 | 0.9.2 | CV6.1 + PPC | Oscar* | 9,07% |
75
77
76
78
(* ) L'scorer Oscar conté les probabilitats extretes de les transcripcions del dataset pel que la WER està esbiaixada.
77
79
@@ -86,6 +88,7 @@ El dataset test de cada model és diferent pel que no es poden comparar entre s
86
88
| 0.10 | Anglès 0.8.0 | 3 | 0.8.0 | CV5.1 + PPC + FC | TV3 | 46,89% |
87
89
| 0.11 | Anglès 0.8.0 | 1 | 0.8.0 | CV5.1 + PPC + FC | Oscar | 45,89% |
88
90
| 0.12 | Anglès 0.8.0 | 1 | 0.8.0 | CV5.1 + PPC | Oscar | 22,65% |
91
+ | 0.13 | Català 0.12 | 0 | 0.9.2 | CV6.1 + PPC | Oscar | 20,04% |
89
92
90
93
## Possibles següents passos
91
94
0 commit comments