31.6M 参数土耳其语识别模型从零训练并开源，WER 低于 Whisper base 与 small。
资讯摘要
论文提出 ufakzeka-kulak，一个 31.6M 参数的土耳其语语音转文本模型，采用 FastConformer 编码器加 TDT 与 CTC 头，从零训练并以 Apache-2.0 发布。训练数据 4,977 小时均来自允许商用的来源，其中 281 小时为人工转写。作者报告贪心 TDT 解码下 FLEURS 土耳其语测试归一化 WER 为 0.0921，Common Voice 27.0 为 0.0916，均低于 Whisper base 与 small；对话语音 WER 为 0.3807。
要点速读
- 模型为 31.6M 参数 FastConformer 编码器，配 TDT 与 CTC 头，从零训练，Apache-2.0 发布。
- 训练数据 4,977 小时，其中 281 小时人工转写，其余为上传者字幕或机器转写，仅在第二次独立读听一致时保留。
- 作者报告 FLEURS 土耳其语测试 WER 0.0921、Common Voice 27.0 为 0.0916，对话语音为 0.3807。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。