/ Модель

Характеристики

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

xlsr_kurmanji_kurdish

Распознавание речиАудио → текст5 профессий

Модель на базе wav2vec 2.0 для распознавания курманджийской речи и преобразования аудиозаписей в текст.

85скачиваний за 30 дней13лайковвеса обновлены25 мар 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/xlsr_kurmanji_kurdish — модель распознавания речи на курманджи, созданная дообучением facebook/wav2vec2-xls-r-300m. Архитектура Wav2Vec2ForCTC содержит около 402,7 млн параметров и принимает аудио, выдавая распознанный текст. Модель обучалась на курманджийской части Mozilla Common Voice 7.0; в карточке указана оценка WER 0,388585 на наборе, сформированном из обучающих и оценочных данных Common Voice 7.0. Метаданные также связывают модель с Common Voice 8.0 для оценки.

Модель подходит для транскрибирования записей на курманджи и экспериментов с распознаванием этой речи. Для использования модель и код распространяются по лицензии Apache-2.0. Карточка не описывает специальные сценарии применения или дополнительные ограничения; приведённый WER указывает, что ошибки распознавания следует учитывать при практическом использовании.

Сценарии применения

  • транскрибирование аудио на курманджи
  • распознавание речи в записях на курманджи
  • создание текстовых расшифровок курманджийских аудиоданных

Ограничения

В README указан WER 0,388585; качество распознавания может быть недостаточным для задач, требующих высокой точности. Оценка рассчитана на данных Common Voice, поэтому качество на других типах записей не установлено.

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/xlsr_kurmanji_kurdish

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 the evaluation set (which is 10 percent of train data set merged with invalidated data, reported, other, and dev datasets):

  • Loss: 0.292389
  • Wer: 0.388585

Model description

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

Intended uses & limitations

More information needed

Training and evaluation data

Training data - Common voice Kurmanji 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 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: 16
  • lr_scheduler_type: cosine_with_restarts
  • lr_scheduler_warmup_steps: 200
  • num_epochs: 100
  • mixed_precision_training: Native AMP

Training results

StepTraining LossValidation LossWer
2004.3825003.1837251.000000
4002.8702000.9966640.781117
6000.6099000.3337550.445052
8000.3268000.3057290.403157
10000.2550000.2907340.391621
12000.2263000.2923890.388585

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/xlsr_kurmanji_kurdish --dataset mozilla-foundation/common_voice_8_0 --config kmr --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
9962eb1

0 моделей