Karan Chand
commited on
Commit
•
39e866d
1
Parent(s):
6606848
Upload lm-boosted decoder
Browse files- alphabet.json +1 -0
- language_model/5gram_correct.arpa +0 -0
- language_model/attrs.json +1 -0
- language_model/unigrams.txt +742 -0
- preprocessor_config.json +10 -0
- special_tokens_map.json +1 -0
- tokenizer_config.json +1 -0
- vocab.json +1 -0
alphabet.json
ADDED
@@ -0,0 +1 @@
|
|
|
|
|
1 |
+
{"labels": ["", "<s>", "</s>", "\u2047", " ", "'", "-", "a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o", "p", "q", "r", "s", "t", "u", "v", "w", "x", "y", "z"], "is_bpe": false}
|
language_model/5gram_correct.arpa
ADDED
The diff for this file is too large to render.
See raw diff
|
|
language_model/attrs.json
ADDED
@@ -0,0 +1 @@
|
|
|
|
|
1 |
+
{"alpha": 0.5, "beta": 1.5, "unk_score_offset": -10.0, "score_boundary": true}
|
language_model/unigrams.txt
ADDED
@@ -0,0 +1,742 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
</s>
|
2 |
+
<s>
|
3 |
+
a
|
4 |
+
able
|
5 |
+
about
|
6 |
+
above
|
7 |
+
accept
|
8 |
+
adieu
|
9 |
+
adios
|
10 |
+
adjacent
|
11 |
+
adjo
|
12 |
+
adria
|
13 |
+
advi
|
14 |
+
advised
|
15 |
+
aero
|
16 |
+
aerovic
|
17 |
+
affirm
|
18 |
+
after
|
19 |
+
afternoo
|
20 |
+
afternoon
|
21 |
+
afterwards
|
22 |
+
again
|
23 |
+
ageri
|
24 |
+
agree
|
25 |
+
ah
|
26 |
+
aha
|
27 |
+
ahead
|
28 |
+
ahm
|
29 |
+
ai
|
30 |
+
air
|
31 |
+
airals
|
32 |
+
airbus
|
33 |
+
aircraft
|
34 |
+
airforce
|
35 |
+
airfrans
|
36 |
+
airlink
|
37 |
+
airtas
|
38 |
+
airtours
|
39 |
+
airway
|
40 |
+
al
|
41 |
+
albix
|
42 |
+
alfa
|
43 |
+
algerie
|
44 |
+
ali
|
45 |
+
alita
|
46 |
+
alitalia
|
47 |
+
allowed
|
48 |
+
alpha
|
49 |
+
already
|
50 |
+
alright
|
51 |
+
also
|
52 |
+
amendment
|
53 |
+
an
|
54 |
+
and
|
55 |
+
another
|
56 |
+
any
|
57 |
+
anyhow
|
58 |
+
aosta
|
59 |
+
approval
|
60 |
+
approved
|
61 |
+
approximately
|
62 |
+
arbos
|
63 |
+
are
|
64 |
+
area
|
65 |
+
arrivederci
|
66 |
+
as
|
67 |
+
ascot
|
68 |
+
at
|
69 |
+
au
|
70 |
+
auf
|
71 |
+
austrian
|
72 |
+
aviva
|
73 |
+
awhile
|
74 |
+
b
|
75 |
+
back
|
76 |
+
bafair
|
77 |
+
balkan
|
78 |
+
bama
|
79 |
+
be
|
80 |
+
bee
|
81 |
+
been
|
82 |
+
before
|
83 |
+
being
|
84 |
+
belgian
|
85 |
+
below
|
86 |
+
belstar
|
87 |
+
berlin
|
88 |
+
bern
|
89 |
+
best
|
90 |
+
bilsa
|
91 |
+
bit
|
92 |
+
blocked
|
93 |
+
blue
|
94 |
+
bonjour
|
95 |
+
bravo
|
96 |
+
bre
|
97 |
+
break
|
98 |
+
bri
|
99 |
+
britan
|
100 |
+
britannia
|
101 |
+
british
|
102 |
+
buongiorno
|
103 |
+
but
|
104 |
+
by
|
105 |
+
bye
|
106 |
+
c
|
107 |
+
call
|
108 |
+
called
|
109 |
+
calling
|
110 |
+
callsign
|
111 |
+
can
|
112 |
+
cann
|
113 |
+
canne
|
114 |
+
case
|
115 |
+
centennial
|
116 |
+
chance
|
117 |
+
change
|
118 |
+
charl
|
119 |
+
charlie
|
120 |
+
check
|
121 |
+
checked
|
122 |
+
cheena
|
123 |
+
ciao
|
124 |
+
clear
|
125 |
+
clearance
|
126 |
+
cleared
|
127 |
+
climb
|
128 |
+
climbing
|
129 |
+
co
|
130 |
+
code
|
131 |
+
color
|
132 |
+
come
|
133 |
+
coming
|
134 |
+
commence
|
135 |
+
computer
|
136 |
+
con
|
137 |
+
condor
|
138 |
+
confirm
|
139 |
+
confirmation
|
140 |
+
confirmed
|
141 |
+
constellation
|
142 |
+
cont
|
143 |
+
contact
|
144 |
+
contacted
|
145 |
+
continental
|
146 |
+
continue
|
147 |
+
control
|
148 |
+
convenience
|
149 |
+
cooperation
|
150 |
+
coordination
|
151 |
+
copied
|
152 |
+
corna
|
153 |
+
correct
|
154 |
+
correction
|
155 |
+
corsair
|
156 |
+
cot
|
157 |
+
cotam
|
158 |
+
could
|
159 |
+
course
|
160 |
+
cross
|
161 |
+
crossing
|
162 |
+
cruise
|
163 |
+
cruising
|
164 |
+
current
|
165 |
+
d
|
166 |
+
dag
|
167 |
+
day
|
168 |
+
decim
|
169 |
+
decimal
|
170 |
+
decrease
|
171 |
+
degrees
|
172 |
+
del
|
173 |
+
delta
|
174 |
+
des
|
175 |
+
descend
|
176 |
+
descending
|
177 |
+
descent
|
178 |
+
destination
|
179 |
+
devec
|
180 |
+
did
|
181 |
+
dijon
|
182 |
+
dinkelsbuhl
|
183 |
+
dir
|
184 |
+
direct
|
185 |
+
disregard
|
186 |
+
distance
|
187 |
+
do
|
188 |
+
does
|
189 |
+
dont
|
190 |
+
du
|
191 |
+
due
|
192 |
+
dusseldorf
|
193 |
+
earlier
|
194 |
+
eas
|
195 |
+
east
|
196 |
+
echo
|
197 |
+
egypt
|
198 |
+
egyptair
|
199 |
+
eigh
|
200 |
+
eight
|
201 |
+
eighty
|
202 |
+
either
|
203 |
+
eleven
|
204 |
+
emirates
|
205 |
+
enable
|
206 |
+
epinal
|
207 |
+
equipped
|
208 |
+
established
|
209 |
+
europa
|
210 |
+
even
|
211 |
+
evening
|
212 |
+
expect
|
213 |
+
expedite
|
214 |
+
expeditious
|
215 |
+
expeditiously
|
216 |
+
f
|
217 |
+
familiar
|
218 |
+
faster
|
219 |
+
feet
|
220 |
+
fi
|
221 |
+
fifteen
|
222 |
+
final
|
223 |
+
fine
|
224 |
+
finnair
|
225 |
+
five
|
226 |
+
flight
|
227 |
+
fly
|
228 |
+
fo
|
229 |
+
fokker
|
230 |
+
for
|
231 |
+
force
|
232 |
+
forty
|
233 |
+
four
|
234 |
+
fox
|
235 |
+
foxtrot
|
236 |
+
foxy
|
237 |
+
france
|
238 |
+
frankfurt
|
239 |
+
french
|
240 |
+
freq
|
241 |
+
frequenc
|
242 |
+
frequency
|
243 |
+
fribourg
|
244 |
+
from
|
245 |
+
fu
|
246 |
+
full
|
247 |
+
fully
|
248 |
+
further
|
249 |
+
fusse
|
250 |
+
futura
|
251 |
+
gave
|
252 |
+
ge
|
253 |
+
gene
|
254 |
+
genev
|
255 |
+
geneva
|
256 |
+
georgia
|
257 |
+
german
|
258 |
+
germania
|
259 |
+
get
|
260 |
+
gibair
|
261 |
+
give
|
262 |
+
go
|
263 |
+
going
|
264 |
+
golf
|
265 |
+
goo
|
266 |
+
good
|
267 |
+
got
|
268 |
+
gotil
|
269 |
+
gott
|
270 |
+
gruss
|
271 |
+
gulf
|
272 |
+
guten
|
273 |
+
h
|
274 |
+
half
|
275 |
+
hallo
|
276 |
+
hamburg
|
277 |
+
hansa
|
278 |
+
hanseli
|
279 |
+
hap
|
280 |
+
hapag
|
281 |
+
have
|
282 |
+
heading
|
283 |
+
hejda
|
284 |
+
hello
|
285 |
+
help
|
286 |
+
herbi
|
287 |
+
high
|
288 |
+
higher
|
289 |
+
hm
|
290 |
+
ho
|
291 |
+
hochwald
|
292 |
+
hoi
|
293 |
+
hote
|
294 |
+
hotel
|
295 |
+
how
|
296 |
+
however
|
297 |
+
hundred
|
298 |
+
i
|
299 |
+
iberia
|
300 |
+
iden
|
301 |
+
ident
|
302 |
+
identification
|
303 |
+
identified
|
304 |
+
if
|
305 |
+
ill
|
306 |
+
im
|
307 |
+
immediately
|
308 |
+
in
|
309 |
+
inbound
|
310 |
+
increase
|
311 |
+
ind
|
312 |
+
indeed
|
313 |
+
india
|
314 |
+
indialook
|
315 |
+
indication
|
316 |
+
information
|
317 |
+
ingishire
|
318 |
+
initial
|
319 |
+
initially
|
320 |
+
instead
|
321 |
+
instructed
|
322 |
+
inter
|
323 |
+
interested
|
324 |
+
interfere
|
325 |
+
intersection
|
326 |
+
into
|
327 |
+
is
|
328 |
+
israeli
|
329 |
+
it
|
330 |
+
its
|
331 |
+
japan
|
332 |
+
japanair
|
333 |
+
jat
|
334 |
+
jet
|
335 |
+
jetaviation
|
336 |
+
jetcom
|
337 |
+
jose
|
338 |
+
juliett
|
339 |
+
just
|
340 |
+
k
|
341 |
+
kamas
|
342 |
+
karlsruhe
|
343 |
+
kay
|
344 |
+
keep
|
345 |
+
kempten
|
346 |
+
kilo
|
347 |
+
kines
|
348 |
+
kir
|
349 |
+
knots
|
350 |
+
know
|
351 |
+
l
|
352 |
+
la
|
353 |
+
last
|
354 |
+
later
|
355 |
+
lauda
|
356 |
+
le
|
357 |
+
least
|
358 |
+
leave
|
359 |
+
left
|
360 |
+
leisure
|
361 |
+
less
|
362 |
+
lev
|
363 |
+
level
|
364 |
+
liberty
|
365 |
+
light
|
366 |
+
likewise
|
367 |
+
lima
|
368 |
+
line
|
369 |
+
little
|
370 |
+
lloyd
|
371 |
+
london
|
372 |
+
looking
|
373 |
+
looks
|
374 |
+
lower
|
375 |
+
lu
|
376 |
+
luftha
|
377 |
+
lufthansa
|
378 |
+
lufty
|
379 |
+
luha
|
380 |
+
lupen
|
381 |
+
luxair
|
382 |
+
luxeuil
|
383 |
+
lyon
|
384 |
+
m
|
385 |
+
mach
|
386 |
+
maintain
|
387 |
+
maintaining
|
388 |
+
make
|
389 |
+
malay
|
390 |
+
malaysian
|
391 |
+
malta
|
392 |
+
many
|
393 |
+
marseille
|
394 |
+
may
|
395 |
+
me
|
396 |
+
med
|
397 |
+
merair
|
398 |
+
meridiana
|
399 |
+
metavec
|
400 |
+
midland
|
401 |
+
mike
|
402 |
+
milan
|
403 |
+
milano
|
404 |
+
miles
|
405 |
+
minimum
|
406 |
+
minute
|
407 |
+
minutes
|
408 |
+
missed
|
409 |
+
missing
|
410 |
+
mission
|
411 |
+
mistake
|
412 |
+
mixed
|
413 |
+
monarch
|
414 |
+
mor
|
415 |
+
more
|
416 |
+
morgen
|
417 |
+
morn
|
418 |
+
morning
|
419 |
+
morok
|
420 |
+
much
|
421 |
+
mun
|
422 |
+
munchen
|
423 |
+
munich
|
424 |
+
my
|
425 |
+
nafamens
|
426 |
+
nah
|
427 |
+
nato
|
428 |
+
nattenheim
|
429 |
+
navi
|
430 |
+
navig
|
431 |
+
navigatio
|
432 |
+
navigation
|
433 |
+
near
|
434 |
+
neckar
|
435 |
+
need
|
436 |
+
negative
|
437 |
+
negra
|
438 |
+
nelli
|
439 |
+
netherlands
|
440 |
+
new
|
441 |
+
ni
|
442 |
+
nin
|
443 |
+
nine
|
444 |
+
no
|
445 |
+
non
|
446 |
+
normal
|
447 |
+
north
|
448 |
+
norvenich
|
449 |
+
not
|
450 |
+
november
|
451 |
+
now
|
452 |
+
number
|
453 |
+
o
|
454 |
+
occupied
|
455 |
+
oclock
|
456 |
+
odina
|
457 |
+
of
|
458 |
+
oh
|
459 |
+
ohh
|
460 |
+
ok
|
461 |
+
okay
|
462 |
+
okaydoke
|
463 |
+
olben
|
464 |
+
olympic
|
465 |
+
omega
|
466 |
+
on
|
467 |
+
one
|
468 |
+
onur
|
469 |
+
opposite
|
470 |
+
or
|
471 |
+
osca
|
472 |
+
oscar
|
473 |
+
other
|
474 |
+
out
|
475 |
+
over
|
476 |
+
own
|
477 |
+
p
|
478 |
+
papa
|
479 |
+
paris
|
480 |
+
passe
|
481 |
+
passeiry
|
482 |
+
passing
|
483 |
+
per
|
484 |
+
period
|
485 |
+
permit
|
486 |
+
pick
|
487 |
+
pin
|
488 |
+
planned
|
489 |
+
please
|
490 |
+
point
|
491 |
+
portugal
|
492 |
+
portugalia
|
493 |
+
position
|
494 |
+
possible
|
495 |
+
preceding
|
496 |
+
prefer
|
497 |
+
present
|
498 |
+
presently
|
499 |
+
pressure
|
500 |
+
previous
|
501 |
+
prex
|
502 |
+
problem
|
503 |
+
problems
|
504 |
+
proc
|
505 |
+
procee
|
506 |
+
proceed
|
507 |
+
quite
|
508 |
+
r
|
509 |
+
ra
|
510 |
+
rad
|
511 |
+
radar
|
512 |
+
radio
|
513 |
+
rate
|
514 |
+
re
|
515 |
+
reach
|
516 |
+
reaching
|
517 |
+
read
|
518 |
+
reading
|
519 |
+
ready
|
520 |
+
realized
|
521 |
+
reason
|
522 |
+
received
|
523 |
+
reclearance
|
524 |
+
recleared
|
525 |
+
reduce
|
526 |
+
rei
|
527 |
+
reims
|
528 |
+
remain
|
529 |
+
report
|
530 |
+
reported
|
531 |
+
request
|
532 |
+
requested
|
533 |
+
requesting
|
534 |
+
rerouted
|
535 |
+
resia
|
536 |
+
restricting
|
537 |
+
restrictions
|
538 |
+
resume
|
539 |
+
revoir
|
540 |
+
rhei
|
541 |
+
rhein
|
542 |
+
rhi
|
543 |
+
right
|
544 |
+
roge
|
545 |
+
roger
|
546 |
+
rolampont
|
547 |
+
rollen
|
548 |
+
romeo
|
549 |
+
route
|
550 |
+
routing
|
551 |
+
roystar
|
552 |
+
runway
|
553 |
+
rv
|
554 |
+
s
|
555 |
+
sabena
|
556 |
+
said
|
557 |
+
same
|
558 |
+
saronno
|
559 |
+
sata
|
560 |
+
saudia
|
561 |
+
say
|
562 |
+
scandinavian
|
563 |
+
schonen
|
564 |
+
sec
|
565 |
+
second
|
566 |
+
sector
|
567 |
+
seems
|
568 |
+
sent
|
569 |
+
separation
|
570 |
+
servus
|
571 |
+
set
|
572 |
+
sev
|
573 |
+
seven
|
574 |
+
shamrock
|
575 |
+
short
|
576 |
+
shortcut
|
577 |
+
shortly
|
578 |
+
should
|
579 |
+
sierra
|
580 |
+
since
|
581 |
+
singa
|
582 |
+
sir
|
583 |
+
six
|
584 |
+
skyfox
|
585 |
+
slightly
|
586 |
+
slower
|
587 |
+
so
|
588 |
+
sobelair
|
589 |
+
soon
|
590 |
+
sorry
|
591 |
+
south
|
592 |
+
spair
|
593 |
+
spar
|
594 |
+
speed
|
595 |
+
speedbird
|
596 |
+
speedway
|
597 |
+
squawk
|
598 |
+
squawking
|
599 |
+
st
|
600 |
+
stable
|
601 |
+
stand
|
602 |
+
standard
|
603 |
+
state
|
604 |
+
station
|
605 |
+
stay
|
606 |
+
steel
|
607 |
+
still
|
608 |
+
stop
|
609 |
+
stress
|
610 |
+
succeeding
|
611 |
+
sufficient
|
612 |
+
suggest
|
613 |
+
sunwing
|
614 |
+
swi
|
615 |
+
swiss
|
616 |
+
swissair
|
617 |
+
switch
|
618 |
+
t
|
619 |
+
ta
|
620 |
+
tag
|
621 |
+
taitian
|
622 |
+
talk
|
623 |
+
tango
|
624 |
+
tarom
|
625 |
+
tele
|
626 |
+
ten
|
627 |
+
th
|
628 |
+
than
|
629 |
+
thank
|
630 |
+
thanks
|
631 |
+
that
|
632 |
+
thats
|
633 |
+
the
|
634 |
+
then
|
635 |
+
there
|
636 |
+
thereafter
|
637 |
+
think
|
638 |
+
thirteen
|
639 |
+
thirty
|
640 |
+
this
|
641 |
+
thousand
|
642 |
+
thr
|
643 |
+
three
|
644 |
+
through
|
645 |
+
till
|
646 |
+
time
|
647 |
+
to
|
648 |
+
today
|
649 |
+
told
|
650 |
+
too
|
651 |
+
topswiss
|
652 |
+
torino
|
653 |
+
tour
|
654 |
+
towards
|
655 |
+
tra
|
656 |
+
track
|
657 |
+
traffic
|
658 |
+
transavia
|
659 |
+
translift
|
660 |
+
transmission
|
661 |
+
transu
|
662 |
+
transwede
|
663 |
+
trasa
|
664 |
+
trasad
|
665 |
+
trasadingen
|
666 |
+
triple
|
667 |
+
troubles
|
668 |
+
try
|
669 |
+
tsch
|
670 |
+
tschu
|
671 |
+
tschuss
|
672 |
+
tun
|
673 |
+
tunair
|
674 |
+
tunis
|
675 |
+
turkair
|
676 |
+
turkish
|
677 |
+
turn
|
678 |
+
turning
|
679 |
+
tw
|
680 |
+
twenty
|
681 |
+
two
|
682 |
+
type
|
683 |
+
u
|
684 |
+
ukay
|
685 |
+
understand
|
686 |
+
uniform
|
687 |
+
united
|
688 |
+
until
|
689 |
+
up
|
690 |
+
us
|
691 |
+
v
|
692 |
+
valda
|
693 |
+
vectors
|
694 |
+
very
|
695 |
+
vi
|
696 |
+
via
|
697 |
+
victor
|
698 |
+
viscinity
|
699 |
+
viva
|
700 |
+
w
|
701 |
+
wanted
|
702 |
+
warburg
|
703 |
+
was
|
704 |
+
way
|
705 |
+
we
|
706 |
+
welcome
|
707 |
+
well
|
708 |
+
were
|
709 |
+
what
|
710 |
+
whats
|
711 |
+
when
|
712 |
+
where
|
713 |
+
whether
|
714 |
+
which
|
715 |
+
whiskey
|
716 |
+
whitestar
|
717 |
+
who
|
718 |
+
whos
|
719 |
+
wiederhoren
|
720 |
+
will
|
721 |
+
willisau
|
722 |
+
wind
|
723 |
+
with
|
724 |
+
within
|
725 |
+
worth
|
726 |
+
would
|
727 |
+
wrong
|
728 |
+
xray
|
729 |
+
yankee
|
730 |
+
yeah
|
731 |
+
yes
|
732 |
+
you
|
733 |
+
your
|
734 |
+
youre
|
735 |
+
youve
|
736 |
+
z
|
737 |
+
ze
|
738 |
+
zer
|
739 |
+
zero
|
740 |
+
zulu
|
741 |
+
zuri
|
742 |
+
zurich
|
preprocessor_config.json
ADDED
@@ -0,0 +1,10 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"do_normalize": true,
|
3 |
+
"feature_extractor_type": "Wav2Vec2FeatureExtractor",
|
4 |
+
"feature_size": 1,
|
5 |
+
"padding_side": "right",
|
6 |
+
"padding_value": 0.0,
|
7 |
+
"processor_class": "Wav2Vec2ProcessorWithLM",
|
8 |
+
"return_attention_mask": true,
|
9 |
+
"sampling_rate": 16000
|
10 |
+
}
|
special_tokens_map.json
ADDED
@@ -0,0 +1 @@
|
|
|
|
|
1 |
+
{"bos_token": "<s>", "eos_token": "</s>", "unk_token": "<unk>", "pad_token": "<pad>"}
|
tokenizer_config.json
ADDED
@@ -0,0 +1 @@
|
|
|
|
|
1 |
+
{"unk_token": "<unk>", "bos_token": "<s>", "eos_token": "</s>", "pad_token": "<pad>", "do_lower_case": false, "word_delimiter_token": "|", "replace_word_delimiter_char": " ", "special_tokens_map_file": "/root/.cache/huggingface/transformers/c2fa5198a7a6c87e4e444afac6d9a7c2d8e45299aaf8966e41d727cc6ae7e04c.9d6cd81ef646692fb1c169a880161ea1cb95f49694f220aced9b704b457e51dd", "name_or_path": "jonatasgrosman/wav2vec2-large-xlsr-53-english", "tokenizer_class": "Wav2Vec2CTCTokenizer", "processor_class": "Wav2Vec2ProcessorWithLM"}
|
vocab.json
ADDED
@@ -0,0 +1 @@
|
|
|
|
|
1 |
+
{"<pad>": 0, "<s>": 1, "</s>": 2, "<unk>": 3, "|": 4, "'": 5, "-": 6, "a": 7, "b": 8, "c": 9, "d": 10, "e": 11, "f": 12, "g": 13, "h": 14, "i": 15, "j": 16, "k": 17, "l": 18, "m": 19, "n": 20, "o": 21, "p": 22, "q": 23, "r": 24, "s": 25, "t": 26, "u": 27, "v": 28, "w": 29, "x": 30, "y": 31, "z": 32}
|