Request for 'Bad List' of Noisy German Samples
还没有人认领这个 Issue。
评估
- 难度
- 4/5
- 预计耗时
- 3-5 天
- 新手友好度
- 25/100
- Issue 类型
- 文档
- 描述清晰度
- 基本清楚
- 活跃度
- 停滞
- 技术栈
- jupyter-notebook, machine-learning
调研方向
从描述嘈杂德语语音识别样本的 README 段落开始，追踪提供的数据是如何使用 WER 或 CER 相对于德语模型进行筛选的。完成的标准是记录嘈杂样本列表或识别标准，以便没有该模型的用户能够复现筛选过程。
由索引模型根据 Issue 内容生成。
描述
Hello,
I am currently working with the German speech recognition data provided by this project and came across the following line in the README:
"In addition, we also filter out samples that are considered 'noisy', that is, samples having very high WER (word error rate) or CER (character error rate) w.r.t. a previously trained German model."
Unfortunately, I do not have access to a pre-trained German model to calculate the WER or CER for my dataset. This makes it challenging for me to filter out the noisy samples effectively.
Could you please provide a list of these 'noisy' samples or the criteria used to identify them?
- 主要语言
- Jupyter Notebook
- 星标
- 178
- 派生
- 56
- PR 合并指标
- 30 天内没有已合并 PR
环境准备
这个项目没有提供开发容器、Dockerfile 或贡献指南，环境需要你自己搭建：先看它的 README，通用步骤见我们的新手贡献指南。
从这里开始
- 先读完整个 Issue，再读项目的贡献指南。
- 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
- Fork 仓库，在一个分支上完成修改。
- 提交 Pull Request，并在描述里引用这个 Issue 编号。
nvidia-riva/tutorials 的其他 Issue
-
难度 4/5 3-5 天 新手友好度 48/100
nvidia-riva/tutorials#229 ·
-
难度 1/5 1 小时以内 新手友好度 55/100
nvidia-riva/tutorials#219 ·
-
难度 3/5 1-2 天 新手友好度 35/100
nvidia-riva/tutorials#217 ·
-
难度 4/5 3-5 天 新手友好度 45/100
nvidia-riva/tutorials#214 ·
-
难度 3/5 1-2 天 新手友好度 35/100
nvidia-riva/tutorials#210 ·
查看 nvidia-riva/tutorials 的全部 Issue
相似的 Issue
-
Fix WeatherDataset negative index reporting, key type validation, and window parameter validation可能已有人在做 @muskan-creates352 今天认领。 未关闭
难度 2/5 半天 新手友好度 82/100
mllam/neural-lam#853 ·
维护者通常 2 天内回复
-
request-theme
难度 2/5 1 小时以内 新手友好度 62/100
LizardByte/ThemerrDB#9678 · 1 条评论 ·
维护者通常 1 天内回复
-
approved correction metadata
难度 1/5 1 小时以内 新手友好度 72/100
acl-org/acl-anthology#10723 · 1 条评论 ·
维护者通常 1 天内回复
-
难度 2/5 1-3 小时 新手友好度 72/100
-
bug
难度 2/5 1-3 小时 新手友好度 82/100
retentioneering/retentioneering-tools#231 ·
维护者通常 1 天内回复