/ Модель

Характеристики

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

xls-r-300m-pt

Распознавание речиАудио → текст8 профессий

Дообученная wav2vec 2.0 модель для транскрибации португалоязычной речи в текст.

19скачиваний за 30 дней2лайкавеса обновлены5 авг 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

AlexN/xls-r-300m-pt — модель распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m на португалоязычной части набора MOZILLA-FOUNDATION/COMMON_VOICE_8_0. Она использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст; карточка сообщает результат WER 0,2382 на оценочной выборке. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация записей на португальском языке
  • распознавание португальской речи в аудиофайлах
  • создание текстовых расшифровок для голосовых сообщений

Ограничения

Оценочный WER составляет 0,2382 на указанном наборе Common Voice; качество на других источниках аудио не описано. Модель ориентирована на португальский язык.

Для каких профессий подходит8

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

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - PT dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2290
  • Wer: 0.2382

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: 0.0002
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1500
  • num_epochs: 15.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
3.09520.645003.09821.0
1.79751.2910000.78870.5651
1.41381.9315000.52380.4389
1.3442.5720000.47750.4318
1.27373.2125000.46480.4075
1.25543.8630000.40690.3678
1.19964.535000.39140.3668
1.14275.1440000.36940.3572
1.13725.7845000.35680.3501
1.08316.4350000.33310.3253
1.10747.0755000.33320.3352
1.05367.7160000.31310.3152
1.02488.3565000.30240.3023
1.00759.070000.29480.3028
0.9799.6475000.27960.2853
0.959410.2880000.27190.2789
0.917210.9385000.26200.2695
0.904711.5790000.25370.2596
0.877712.2195000.24380.2525
0.862912.85100000.24090.2493
0.857513.5105000.23660.2440
0.836114.14110000.23170.2385
0.812614.78115000.22900.2382

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.2+cu102
  • Datasets 1.18.2.dev0
  • Tokenizers 0.11.0

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
d5f9aa3

0 моделей