@@ -59,6 +59,7 @@ El dataset test de cada model és diferent pel que no es poden comparar entre s
5959| 0.9 | cap | - | 0.8.0 | CV5.1 + PPC + FC | TV3 | 20,12% |
6060| 0.10 | Anglès 0.8.0 | 3 | 0.8.0 | CV5.1 + PPC + FC | TV3 | 19,07% |
6161| 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% |
6263
6364### WER del corpus Google Crowdsourced
6465
@@ -70,6 +71,7 @@ El dataset test de cada model és diferent pel que no es poden comparar entre s
7071| 0.9 | cap | - | 0.8.0 | CV5.1 + PPC + FC | TV3 | 31,88% |
7172| 0.10 | Anglès 0.8.0 | 3 | 0.8.0 | CV5.1 + PPC + FC | TV3 | 16,05% |
7273| 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% |
7375
7476(* ) L'scorer Oscar conté les probabilitats extretes de les transcripcions del dataset pel que la WER està esbiaixada.
7577
@@ -83,6 +85,7 @@ El dataset test de cada model és diferent pel que no es poden comparar entre s
8385| 0.9 | cap | - | 0.8.0 | CV5.1 + PPC + FC | TV3 | 50,10% |
8486| 0.10 | Anglès 0.8.0 | 3 | 0.8.0 | CV5.1 + PPC + FC | TV3 | 46,89% |
8587| 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% |
8689
8790## Possibles següents passos
8891
0 commit comments