/ Модель
Каталог

Характеристики

Параметры
1,3 млрд
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
2 мар 2022

Ссылки

Hugging Face

wav2vec2-xls-r-1B-german

AndrewMcDowell
Распознавание речиАудио → текст9 профессий

Модель wav2vec2-xls-r-1b, дообученная для распознавания немецкой речи и её преобразования в текст.

34скачиваний за 30 дней1лайквеса обновлены24 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.

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

Andrew McDowell дообучил wav2vec2-xls-r-1b для автоматического распознавания немецкой речи на наборе MOZILLA-FOUNDATION/COMMON_VOICE_8_0, конфигурация DE. Модель использует архитектуру wav2vec2 с классификационной головой CTC; в метаданных указано 1,3 млрд параметров и формат PyTorch. Для тестовой выборки Common Voice 8.0 автор сообщает значение WER 0,1532 и loss 0,1355. Модель подходит для преобразования немецкой речи в текст, например для транскрибации записей и оценки систем распознавания на немецком языке. Она принимает аудио и выдаёт текст. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация записей на немецком языке
  • распознавание немецкой речи в аудиозаписях
  • подготовка немецких аудиозаписей к поиску по тексту
  • оценка качества распознавания немецкой речи на Common Voice

Ограничения

В README приведены результаты только на тестовой выборке Common Voice 8.0; качество на других источниках немецкой речи не указано.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

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-1b on the MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - DE dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1355
  • Wer: 0.1532

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: 7.5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 2000
  • num_epochs: 2.5
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
1.08260.0710000.46370.4654
1.1180.1520000.25950.2687
1.12680.2230000.26350.2661
1.09190.2940000.24170.2566
1.10130.3750000.24140.2567
1.08980.4460000.25460.2731
1.08080.5170000.23990.2535
1.07190.5980000.23530.2528
1.04460.6690000.24270.2545
1.03470.73100000.22660.2402
1.04570.81110000.22900.2448
1.01240.88120000.22950.2448
1.0250.95130000.21380.2345
1.01071.03140000.21080.2294
0.97581.1150000.20190.2204
0.95471.17160000.20000.2178
0.9861.25170000.20180.2200
0.95881.32180000.19920.2138
0.94131.39190000.18980.2049
0.93391.47200000.18740.2056
0.92681.54210000.17970.1976
0.91941.61220000.17430.1905
0.89871.69230000.17380.1932
0.88841.76240000.17030.1873
0.89391.83250000.16330.1831
0.86291.91260000.15490.1750
0.86071.98270000.15500.1738
0.83162.05280000.15120.1709
0.83212.13290000.14810.1657
0.8252.2300000.14460.1627
0.81152.27310000.13960.1583
0.79592.35320000.13890.1569
0.78352.42330000.13620.1545
0.79592.49340000.13550.1531

Framework versions

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

Evaluation Commands

  1. To evaluate on mozilla-foundation/common_voice_8_0 with split test
python ./eval.py --model_id AndrewMcDowell/wav2vec2-xls-r-1B-german --dataset mozilla-foundation/common_voice_8_0 --config de --split test --log_outputs
  1. To evaluate on test dev data
python ./eval.py --model_id AndrewMcDowell/wav2vec2-xls-r-1B-german --dataset speech-recognition-community-v2/dev_data --config de --split validation --chunk_length_s 5.0 --stride_length_s 1.0

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
6192b9c

0 моделей

    Создать бенчмарк