@@ -55,13 +55,15 @@ El dataset test de cada model és diferent pel que no es poden comparar entre s
55
55
| 0.5 | Anglès 0.7.0 | 1 | 0.7.0 | CV4 | Oscar | 29,66% |
56
56
| 0.6 | Anglès 0.7.0 | 1 | 0.7.0 | CV4 + PPC | Oscar | 13,85% |
57
57
| 0.7 | Anglès 0.7.2 | 1 | 0.7.0 | CV4 + PPC + FC | TV3 | 16,95% |
58
+ | 0.8 | Anglès 0.8.0 | 1 | 0.8.0 | CV5.1 + PPC + FC | TV3 | 19,35% |
58
59
59
60
### WER del corpus Google Crowdsourced
60
61
61
62
| Model | Model Base | Dropped layers | Versió DeepSpeech | Corpus | Scorer | WER |
62
63
| ----- | ------------ | -------------- | ----------------- | ---------------- | ------ | ------ |
63
64
| 0.6 | Anglès 0.7.0 | 1 | 0.7.0 | CV4 + PPC | Oscar* | 12,75% |
64
65
| 0.7 | Anglès 0.7.2 | 1 | 0.7.0 | CV4 + PPC + FC | TV3 | 21,69% |
66
+ | 0.8 | Anglès 0.8.0 | 1 | 0.8.0 | CV5.1 + PPC + FC | TV3 | 14,47% |
65
67
66
68
(* ) L'scorer Oscar conté les probabilitats extretes de les transcripcions del dataset pel que la WER està esbiaixada.
67
69
@@ -71,6 +73,7 @@ El dataset test de cada model és diferent pel que no es poden comparar entre s
71
73
| ----- | ------------ | -------------- | ----------------- | ---------------- | ------ | ------ |
72
74
| 0.6 | Anglès 0.7.0 | 1 | 0.7.0 | CV4 + PPC | Oscar | 28,45% |
73
75
| 0.7 | Anglès 0.7.2 | 1 | 0.7.0 | CV4 + PPC + FC | TV3 | 44,88% |
76
+ | 0.8 | Anglès 0.8.0 | 1 | 0.8.0 | CV5.1 + PPC + FC | TV3 | 54,31% |
74
77
75
78
## Possibles següents passos
76
79
0 commit comments