/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
2 мар 2022

Central_kurdish_xlsr

Распознавание речиАудио → текст

Модель Akashpb13 распознаёт центральнокурдскую речь и преобразует аудио в текст.

71скачиваний за 30 дней5лайковвеса обновлены27 авг 2023

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.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Akashpb13 разработал модель распознавания речи на базе facebook/wav2vec2-xls-r-300m, дообучив её для центральнокурдского языка на данных Mozilla Common Voice 7.0. Это модель Wav2Vec2ForCTC с 402,7 млн параметров, принимающая аудио и преобразующая речь в текст; в метаданных для языка указан код ckb. На оценочной выборке автор сообщает WER 0,401 и loss 0,349. Модель предназначена для автоматической транскрипции центральнокурдской речи, в том числе записей из Common Voice. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация центральнокурдских аудиозаписей
  • распознавание речи из записей Common Voice
  • создание текстовых расшифровок центральнокурдской речи

Ограничения

В описании нет подробных рекомендаций по применению и известных ограничений. На указанной оценочной выборке WER составляет 0,401, поэтому качество распознавания может быть недостаточным для задач, требующих высокой точности.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Akashpb13/Central_kurdish_xlsr

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - hu dataset. It achieves the following results on evaluation set (which is 10 percent of train data set merged with invalidated data, reported, other and dev datasets):

  • Loss: 0.348580
  • Wer: 0.401147

Model description

"facebook/wav2vec2-xls-r-300m" was finetuned.

Intended uses & limitations

More information needed

Training and evaluation data

Training data - Common voice Central Kurdish train.tsv, dev.tsv, invalidated.tsv, reported.tsv, and other.tsv Only those points were considered where upvotes were greater than downvotes and duplicates were removed after concatenation of all the datasets given in common voice 7.0

Training procedure

For creating the train dataset, all possible datasets were appended and 90-10 split was used.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.000095637994662983496
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 13
  • gradient_accumulation_steps: 2
  • lr_scheduler_type: cosine_with_restarts
  • lr_scheduler_warmup_steps: 200
  • num_epochs: 100
  • mixed_precision_training: Native AMP

Training results

StepTraining LossValidation LossWer
5005.0978002.1903261.001207
10000.7975000.3313920.576819
15000.4051000.2620090.549049
20000.3221000.2481780.479626
25000.2646000.2588660.488983
30000.2283000.2615230.469665
35000.2010000.2701350.451856
40000.1809000.2793020.448536
45000.1638000.2809210.459704
50000.1473000.3192490.471778
55000.1376000.2895460.449140
60000.1320000.3113500.458195
65000.1171000.3167260.432840
70000.1092000.3022100.439481
75000.1049000.3259130.439481
80000.0975000.3294460.431935
85000.0886000.3452590.425898
90000.0849000.3428910.428313
95000.0809000.3530810.424389
100000.0756000.3470630.424992
105000.0728000.3300860.424691
110000.0681000.3506580.421974
115000.0647000.3429490.413522
120000.0615000.3417040.415334
125000.0595000.3462790.411410
130000.0574000.3499010.407184
135000.0564000.3477330.402656
140000.0533000.3448990.405976
145000.0529000.3467080.402656
150000.0506000.3441180.400845
155000.0502000.3483960.402958
160000.0498000.3483120.401751
165000.0519000.3483720.401147
170000.0498000.3485800.401147

Framework versions

  • Transformers 4.16.0.dev0
  • Pytorch 1.10.0+cu102
  • Datasets 1.18.1
  • Tokenizers 0.10.3

Evaluation Commands

  1. To evaluate on mozilla-foundation/common_voice_8_0 with split test
python eval.py --model_id Akashpb13/Central_kurdish_xlsr --dataset mozilla-foundation/common_voice_8_0 --config ckb --split test

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
d578ccc

0 моделей