这篇 NVIDIA 教程以 Cache-Aware FastConformer-RNNT 多语种流式 ASR 模型为基础,在 SADA 2022 的 Najdi 与 Hijazi 沙特方言数据上做最小化筛选(保留 103,559/125,490 条、133.7 小时、82.5%)、按 90% 沙特语音加 7% 英语与 3% 阿拉伯语 FLEURS 的加权回放混合、时长分桶批处理,并在两块 GPU 上训练 12,000 步约 4.5 小时,使 Najdi+Hijazi 测试集 WER 从 55.05% 降到 29.96%、CER 从 31.63% 降到 12.18%,全 SADA WER 从 58.84% 降到 35.61%,同时 FLEURS 英语 WER 从 11.04% 降到 10.42%、阿拉伯
这篇 NVIDIA 教程以 Cache-Aware FastConformer-RNNT 多语种流式 ASR 模型为基础,在 SADA 2022 的 Najdi 与 Hijazi 沙特方言数据上做最小化筛选(保留 103,559/125,490 条、133.7 小时、82.5%)、按 90% 沙特语音加 7% 英语与 3% 阿拉伯语 FLEURS 的加权回放混合、时长分桶批处理,并在两块 GPU 上训练 12,000 步约 4.5 小时,使 Najdi+Hijazi 测试集 WER 从 55.05% 降到 29.96%、CER 从 31.63% 降到 12.18%,全 SADA WER 从 58.84% 降到 35.61%,同时 FLEURS 英语 WER 从 11.04% 降到 10.42%、阿拉伯