Характеристики

Параметры: 1,3 млрд
Лицензия: CC BY-NC 4.0
Архитектура: wav2vec2 · dense
Базовая модель: mms-1b-all
Опубликована: 15 янв 2024

Ссылки

Hugging Face

wav2vec2-large-mms-1b-tatar-v2

AigizK

Распознавание речиАудио → текст7 профессий

Дообученная wav2vec2-модель для преобразования татарской речи в текст.

548скачиваний за 30 дней0лайковвеса обновлены18 янв 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AigizK/wav2vec2-large-mms-1b-tatar-v2 — модель распознавания речи на основе архитектуры wav2vec2, дообученная из facebook/mms-1b-all для татарского языка. Она принимает аудио и преобразует речь в текст; в метаданных указано 1,3 млрд параметров. На оценочном наборе модель показала WER 0,1031 и loss 0,3343, однако сведения о наборе данных и условиях оценки отсутствуют. Модель распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.

Сценарии применения

распознавание татарской речи в аудиозаписях
транскрибирование татарских интервью и лекций
создание текстовых субтитров для татарской речи

Ограничения

Данные о тренировочном наборе, его составе и условиях оценки не приведены, поэтому метрику WER 0,1031 трудно сопоставить с результатами других моделей. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-mms-1b-tatar-v2

This model is a fine-tuned version of facebook/mms-1b-all on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.3343
Wer: 0.1031

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 0.001
train_batch_size: 16
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 100
training_steps: 100000
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer
0.2883	0.01	500	0.4093	0.2206
0.2907	0.01	1000	0.3651	0.2219
0.2668	0.01	1500	0.3595	0.2088
0.2618	0.02	2000	0.3754	0.2062
0.2825	0.03	2500	0.3776	0.2108
0.2573	0.03	3000	0.4372	0.2160
0.2814	0.04	3500	0.3888	0.2016
0.267	0.04	4000	0.3607	0.2055
0.2509	0.04	4500	0.4021	0.1983
0.246	0.05	5000	0.3579	0.1852
0.2612	0.06	5500	0.4055	0.1878
0.2474	1.0	6000	0.3764	0.1891
0.2309	1.01	6500	0.3670	0.1773
0.2365	1.01	7000	0.3392	0.1871
0.2624	1.02	7500	0.3744	0.1898
0.2538	1.02	8000	0.3845	0.1930
0.2391	1.03	8500	0.3557	0.1793
0.26	1.03	9000	0.3932	0.1819
0.2619	1.04	9500	0.3546	0.1878
0.243	1.04	10000	0.3547	0.1970
0.2449	1.05	10500	0.3784	0.1720
0.2234	1.05	11000	0.3795	0.1747
0.2369	1.06	11500	0.3527	0.1720
0.2617	2.0	12000	0.3360	0.1812
0.2399	2.01	12500	0.3593	0.1773
0.2273	2.01	13000	0.3327	0.1655
0.2283	2.02	13500	0.3503	0.1707
0.228	2.02	14000	0.3797	0.1681
0.239	2.03	14500	0.3341	0.1714
0.228	2.03	15000	0.3562	0.1694
0.2285	2.04	15500	0.3373	0.1720
0.2226	2.04	16000	0.3546	0.1812
0.2287	2.05	16500	0.3573	0.1740
0.2315	2.05	17000	0.3740	0.1714
0.2242	2.06	17500	0.3755	0.1655
0.2309	3.0	18000	0.3525	0.1694
0.2204	3.01	18500	0.3532	0.1720
0.2297	3.01	19000	0.3312	0.1687
0.2243	3.02	19500	0.3218	0.1609
0.2309	3.02	20000	0.3459	0.1681
0.229	3.03	20500	0.3374	0.1701
0.2275	3.03	21000	0.3899	0.1727
0.2221	3.04	21500	0.3800	0.1622
0.2293	3.04	22000	0.3599	0.1668
0.2328	3.05	22500	0.3651	0.1707
0.2216	3.05	23000	0.3238	0.1609
0.224	3.06	23500	0.3520	0.1628
0.2142	4.0	24000	0.3336	0.1550
0.2356	4.01	24500	0.3398	0.1648
0.224	4.01	25000	0.3458	0.1622
0.2052	4.02	25500	0.3538	0.1641
0.2258	4.02	26000	0.3613	0.1615
0.2251	4.03	26500	0.3601	0.1556
0.2291	4.03	27000	0.3761	0.1596
0.223	4.04	27500	0.3426	0.1609
0.2175	4.04	28000	0.3690	0.1582
0.2144	4.05	28500	0.3498	0.1641
0.2202	4.05	29000	0.3432	0.1550
0.2127	5.0	29500	0.3536	0.1661
0.2069	5.01	30000	0.3818	0.1694
0.2083	5.01	30500	0.3351	0.1582
0.2327	5.02	31000	0.3355	0.1510
0.2179	5.02	31500	0.3432	0.1576
0.2194	5.03	32000	0.3378	0.1523
0.2236	5.03	32500	0.3417	0.1543
0.2263	5.04	33000	0.3500	0.1490
0.2205	5.04	33500	0.3649	0.1536
0.2168	5.05	34000	0.3549	0.1425
0.2034	5.05	34500	0.3567	0.1477
0.2036	5.06	35000	0.3559	0.1451
0.2328	6.0	35500	0.3496	0.1543
0.2155	6.01	36000	0.3637	0.1484
0.2031	6.01	36500	0.3497	0.1477
0.2053	6.02	37000	0.3476	0.1530
0.2008	6.02	37500	0.3561	0.1517
0.205	6.03	38000	0.3265	0.1431
0.2083	6.03	38500	0.3438	0.1418
0.2041	6.04	39000	0.3395	0.1366
0.2051	6.04	39500	0.3451	0.1405
0.2045	6.05	40000	0.3386	0.1399
0.2016	6.05	40500	0.3555	0.1497
0.2042	6.06	41000	0.3586	0.1484
0.2015	7.0	41500	0.3521	0.1451
0.1995	7.01	42000	0.3535	0.1438
0.2102	7.01	42500	0.3276	0.1438
0.2037	7.02	43000	0.3363	0.1445
0.2102	7.02	43500	0.3209	0.1431
0.2007	7.03	44000	0.3306	0.1353
0.2063	7.03	44500	0.3373	0.1333
0.1985	7.04	45000	0.3530	0.1280
0.2071	7.04	45500	0.3565	0.1333
0.2052	7.05	46000	0.3515	0.1353
0.2	7.05	46500	0.3506	0.1392
0.1966	7.06	47000	0.3557	0.1366
0.202	8.0	47500	0.3451	0.1339
0.2047	8.01	48000	0.3393	0.1300
0.204	8.01	48500	0.3259	0.1307
0.1885	8.02	49000	0.3391	0.1372
0.2153	8.02	49500	0.3279	0.1339
0.1983	8.03	50000	0.3389	0.1339
0.1994	8.03	50500	0.3308	0.1267
0.2014	8.04	51000	0.3476	0.1366
0.1963	8.04	51500	0.3432	0.1267
0.2016	8.05	52000	0.3463	0.1359
0.202	8.05	52500	0.3464	0.1307
0.2011	9.0	53000	0.3392	0.1399
0.1884	9.01	53500	0.3296	0.1346
0.1841	9.01	54000	0.3490	0.1287
0.216	9.02	54500	0.3403	0.1293
0.203	9.02	55000	0.3401	0.1241
0.1994	9.03	55500	0.3377	0.1287
0.2	9.03	56000	0.3408	0.1261
0.2011	9.04	56500	0.3363	0.1293
0.1945	9.04	57000	0.3318	0.1234
0.199	9.05	57500	0.3385	0.1261
0.1905	9.05	58000	0.3600	0.1280
0.1934	9.06	58500	0.3425	0.1293
0.1969	10.0	59000	0.3266	0.1234
0.1883	10.01	59500	0.3371	0.1234
0.189	10.01	60000	0.3528	0.1221
0.187	10.02	60500	0.3268	0.1280
0.1799	10.02	61000	0.3421	0.1248
0.1954	10.03	61500	0.3224	0.1228
0.189	10.03	62000	0.3400	0.1215
0.1814	10.04	62500	0.3354	0.1261
0.1936	10.04	63000	0.3404	0.1215
0.1869	10.05	63500	0.3439	0.1188
0.188	10.05	64000	0.3689	0.1274
0.1919	10.06	64500	0.3549	0.1274
0.1888	11.0	65000	0.3310	0.1228
0.1805	11.01	65500	0.3390	0.1228
0.1845	11.01	66000	0.3294	0.1123
0.1912	11.02	66500	0.3253	0.1215
0.1901	11.02	67000	0.3438	0.1182
0.1973	11.03	67500	0.3326	0.1254
0.1923	11.03	68000	0.3461	0.1254
0.1769	11.04	68500	0.3489	0.1202
0.188	11.04	69000	0.3311	0.1169
0.1894	11.05	69500	0.3312	0.1156
0.1835	11.05	70000	0.3541	0.1228
0.18	11.06	70500	0.3480	0.1248
0.174	12.0	71000	0.3312	0.1156
0.1846	12.01	71500	0.3530	0.1234
0.1862	12.01	72000	0.3252	0.1182
0.1807	12.02	72500	0.3537	0.1182
0.1855	12.02	73000	0.3396	0.1142
0.1855	12.03	73500	0.3350	0.1208
0.1825	12.03	74000	0.3347	0.1169
0.1762	12.04	74500	0.3296	0.1208
0.1737	12.04	75000	0.3456	0.1156
0.1809	12.05	75500	0.3433	0.1182
0.1848	12.05	76000	0.3440	0.1208
0.1791	13.0	76500	0.3434	0.1208
0.1741	13.01	77000	0.3446	0.1169
0.1659	13.01	77500	0.3463	0.1142
0.1994	13.02	78000	0.3222	0.1175
0.1858	13.02	78500	0.3413	0.1162
0.1929	13.03	79000	0.3397	0.1169
0.1889	13.03	79500	0.3363	0.1142
0.1888	13.04	80000	0.3287	0.1103
0.1688	13.04	80500	0.3445	0.1116
0.1831	13.05	81000	0.3444	0.1136
0.1661	13.05	81500	0.3461	0.1123
0.1823	13.06	82000	0.3335	0.1149
0.1838	14.0	82500	0.3465	0.1188
0.1782	14.01	83000	0.3439	0.1149
0.1765	14.01	83500	0.3498	0.1142
0.1763	14.02	84000	0.3409	0.1083
0.1642	14.02	84500	0.3414	0.1070
0.1688	14.03	85000	0.3328	0.1090
0.1788	14.03	85500	0.3302	0.1083
0.1669	14.04	86000	0.3339	0.1083
0.1734	14.04	86500	0.3315	0.1103
0.1727	14.05	87000	0.3403	0.1136
0.1778	14.05	87500	0.3473	0.1110
0.1801	14.06	88000	0.3349	0.1123
0.1717	15.0	88500	0.3348	0.1103
0.1689	15.01	89000	0.3368	0.1103
0.1706	15.01	89500	0.3351	0.1090
0.1784	15.02	90000	0.3339	0.1090
0.1756	15.02	90500	0.3359	0.1057
0.1814	15.03	91000	0.3230	0.1051
0.1691	15.03	91500	0.3330	0.1064
0.1704	15.04	92000	0.3379	0.1057
0.1807	15.04	92500	0.3323	0.1031
0.184	15.05	93000	0.3286	0.1024
0.1752	15.05	93500	0.3381	0.1044
0.1761	15.06	94000	0.3340	0.1077
0.1695	16.0	94500	0.3321	0.1051
0.1689	16.01	95000	0.3342	0.1057
0.1784	16.01	95500	0.3334	0.1044
0.1602	16.02	96000	0.3321	0.1044
0.1743	16.02	96500	0.3348	0.1051
0.1777	16.03	97000	0.3296	0.1037
0.1759	16.03	97500	0.3348	0.1031
0.1646	16.04	98000	0.3348	0.1031
0.1619	16.04	98500	0.3314	0.1044
0.1708	16.05	99000	0.3322	0.1024
0.1704	16.05	99500	0.3344	0.1024
0.174	17.0	100000	0.3343	0.1031

Framework versions

Transformers 4.36.0
Pytorch 2.1.1+cu121
Datasets 2.15.0
Tokenizers 0.15.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: Wav2Vec2ForCTC
Ревизия весов: c6c73c7

Характеристики

Ссылки

wav2vec2-large-mms-1b-tatar-v2

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Ограничения

Для каких профессий подходит7

Также подходит для

Карточка модели

wav2vec2-large-mms-1b-tatar-v2

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Как запустить