补充阅读和资源

本单元提供了语音识别的实践介绍，语音识别是音频领域最受欢迎的任务之一。想要了解更多？您将在此处找到其他资源，这些资源将帮助您加深对主题的理解并增强您的学习体验。

• Whisper Talk，作者：Jong Wook Kim：由 Whisper 作者 Jong Wook Kim 讲解的关于 Whisper 模型的演示，解释了动机、架构、训练和结果
• 端到端语音基准 (ESB)：一篇论文，全面论证了使用正字法 WER 而不是归一化 WER 来评估 ASR 系统，并提出了一个配套的基准
• 为多语言 ASR 微调 Whisper：一篇深入的博客文章，更详细地解释了 Whisper 模型的工作原理，以及特征提取器和分词器涉及的预处理和后处理步骤
• 为多语言 ASR 微调 MMS Adapter 模型：一份端到端指南，用于微调 Meta AI 的新MMS语音识别模型，冻结基础模型权重，仅微调少量适配器层
• 在 🤗 Transformers 中使用 n-gram 提升 Wav2Vec2：一篇博客文章，用于将 CTC 模型与外部语言模型 (LM) 结合使用，以纠正拼写和标点错误

< > 在 GitHub 上更新