Speech Recognition On Switchboard Hub500

Percentage error

Résultats

Résultats de performance de divers modèles sur ce benchmark

Tableau comparatif

Nom du modèle	Percentage error
Modèle 1	11
Modèle 2	12.9
Modèle 3	12.9
the-ibm-2015-english-conversational-telephone	8.0
the-microsoft-2016-conversational-speech	6.2
Modèle 6	11.5
Modèle 7	18.5
the-ibm-2016-english-conversational-telephone	6.6
building-dnn-acoustic-models-for-large	16
Modèle 10	12.9
Modèle 11	10.4
deep-speech-scaling-up-end-to-end-speech	12.6
single-headed-attention-based-sequence-to	4.7
building-dnn-acoustic-models-for-large	15
achieving-human-parity-in-conversational	6.6
the-microsoft-2016-conversational-speech	6.3
on-the-limit-of-english-conversational-speech	4.3
english-conversational-telephone-speech	5.5
Modèle 19	12.6
the-microsoft-2016-conversational-speech	6.9
Modèle 21	8.5
deep-speech-scaling-up-end-to-end-speech	12.6
Modèle 23	9.2
the-ibm-2016-english-conversational-telephone	6.9
Modèle 25	12.9
Modèle 26	16.1
deep-speech-scaling-up-end-to-end-speech	20
achieving-human-parity-in-conversational	5.8
Modèle 29	12.6
very-deep-multilingual-convolutional-neural	12.2