/ Модель

Характеристики

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

Hausa_xlsr

Распознавание речиАудио → текст5 профессий

Модель на базе wav2vec2-xls-r-300m распознаёт хауса в аудиозаписях и преобразует речь в текст.

427скачиваний за 30 дней7лайковвеса обновлены23 мар 2022

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/Hausa_xlsr — это модель автоматического распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m для хауса. Она использует архитектуру wav2vec2 и весит около 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст; в метаданных указана поддержка языка хауса.

Модель предназначена для транскрибации записей на хауса, включая голосовые сообщения и материалы, похожие на записи Common Voice. В README приведены результаты оценки: WER 0,329955 и loss 0,275118; оценочный набор сформирован из частей данных Common Voice 7.0, а метаданные также связывают модель с Common Voice 8.0. Лицензия — Apache-2.0. В README отмечено, что сведений о предполагаемом использовании и ограничениях требуется больше.

Сценарии применения

  • транскрибация записей на хауса
  • распознавание хауса в голосовых сообщениях
  • подготовка текстовых субтитров к аудио на хауса

Ограничения

В README сказано, что сведений о предполагаемых сценариях использования и ограничениях требуется больше. Указанный WER 0,329955 получен на оценочном наборе, составленном из частей данных Common Voice 7.0, поэтому результат не гарантирует точность на других типах записей.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Akashpb13/Hausa_xlsr

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

  • Loss: 0.275118
  • Wer: 0.329955

Model description

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

Intended uses & limitations

More information needed

Training and evaluation data

Training data - Common voice Hausa 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 training dataset, all possible datasets were appended and 90-10 split was used.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.000096
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 13
  • gradient_accumulation_steps: 2
  • lr_scheduler_type: cosine_with_restarts
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 50
  • mixed_precision_training: Native AMP

Training results

StepTraining LossValidation LossWer
5005.1759002.7509141.000000
10001.0287000.3386490.497999
15000.3322000.2468960.402241
20000.2273000.2396400.395839
25000.1750000.2395770.373966
30000.1404000.2432720.356095
35000.1192000.2637610.365164
40000.0993000.2659540.353428
45000.0844000.2763670.349693
50000.0737000.2826310.343825
55000.0680000.2823440.341158
60000.0645000.2815910.342491

Framework versions

  • Transformers 4.16.0.dev0
  • Pytorch 1.10.0+cu102
  • Datasets 1.18.3
  • 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/Hausa_xlsr --dataset mozilla-foundation/common_voice_8_0 --config ha --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
ea90b9e

0 моделей