Характеристики

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

Ссылки

Hugging Face

wav2vec2-xls-r-300m-german-de

AndrewMcDowell

Распознавание речиАудио → текст8 профессий

Дообученная wav2vec2-модель для преобразования немецкой речи в текст.

82скачиваний за 30 дней2лайкавеса 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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 модель facebook/wav2vec2-xls-r-300m для автоматического распознавания немецкой речи на датасете Mozilla Common Voice 7.0 (немецкая конфигурация). Это модель семейства wav2vec2 с архитектурой Wav2Vec2ForCTC; в метаданных указано около 402,8 млн параметров. Она принимает аудио и выдаёт распознанный текст на немецком языке. На оценочной выборке автор сообщает значение WER 0,2016 и loss 0,1768. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

транскрибация немецкой речи
распознавание немецких записей Common Voice
получение текстовых расшифровок аудиозаписей на немецком языке

Ограничения

Заявленный WER на оценочной выборке составляет 0,2016; качество на других источниках аудио в README не описано.

Для каких профессий подходит8

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 923модели I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

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_7_0 - DE dataset. It achieves the following results on the evaluation set:

Loss: 0.1768
Wer: 0.2016

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: 3.4
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer
5.7531	0.04	500	5.4564	1.0
2.9882	0.08	1000	3.0041	1.0
2.1953	0.13	1500	1.1723	0.7121
1.2406	0.17	2000	0.3656	0.3623
1.1294	0.21	2500	0.2843	0.2926
1.0731	0.25	3000	0.2554	0.2664
1.051	0.3	3500	0.2387	0.2535
1.0479	0.34	4000	0.2345	0.2512
1.0026	0.38	4500	0.2270	0.2452
0.9921	0.42	5000	0.2212	0.2353
0.9839	0.47	5500	0.2141	0.2330
0.9907	0.51	6000	0.2122	0.2334
0.9788	0.55	6500	0.2114	0.2270
0.9687	0.59	7000	0.2066	0.2323
0.9777	0.64	7500	0.2033	0.2237
0.9476	0.68	8000	0.2020	0.2194
0.9625	0.72	8500	0.1977	0.2191
0.9497	0.76	9000	0.1976	0.2175
0.9781	0.81	9500	0.1956	0.2159
0.9552	0.85	10000	0.1958	0.2191
0.9345	0.89	10500	0.1964	0.2158
0.9528	0.93	11000	0.1926	0.2154
0.9502	0.98	11500	0.1953	0.2149
0.9358	1.02	12000	0.1927	0.2167
0.941	1.06	12500	0.1901	0.2115
0.9287	1.1	13000	0.1936	0.2090
0.9491	1.15	13500	0.1900	0.2104
0.9478	1.19	14000	0.1931	0.2120
0.946	1.23	14500	0.1914	0.2134
0.9499	1.27	15000	0.1931	0.2173
0.9346	1.32	15500	0.1913	0.2105
0.9509	1.36	16000	0.1902	0.2137
0.9294	1.4	16500	0.1895	0.2086
0.9418	1.44	17000	0.1913	0.2183
0.9302	1.49	17500	0.1884	0.2114
0.9418	1.53	18000	0.1894	0.2108
0.9363	1.57	18500	0.1886	0.2132
0.9338	1.61	19000	0.1856	0.2078
0.9185	1.66	19500	0.1852	0.2056
0.9216	1.7	20000	0.1874	0.2095
0.9176	1.74	20500	0.1873	0.2078
0.9288	1.78	21000	0.1865	0.2097
0.9278	1.83	21500	0.1869	0.2100
0.9295	1.87	22000	0.1878	0.2095
0.9221	1.91	22500	0.1852	0.2121
0.924	1.95	23000	0.1855	0.2042
0.9104	2.0	23500	0.1858	0.2105
0.9284	2.04	24000	0.1850	0.2080
0.9162	2.08	24500	0.1839	0.2045
0.9111	2.12	25000	0.1838	0.2080
0.91	2.17	25500	0.1889	0.2106
0.9152	2.21	26000	0.1856	0.2026
0.9209	2.25	26500	0.1891	0.2133
0.9094	2.29	27000	0.1857	0.2089
0.9065	2.34	27500	0.1840	0.2052
0.9156	2.38	28000	0.1833	0.2062
0.8986	2.42	28500	0.1789	0.2001
0.9045	2.46	29000	0.1769	0.2022
0.9039	2.51	29500	0.1819	0.2073
0.9145	2.55	30000	0.1828	0.2063
0.9081	2.59	30500	0.1811	0.2049
0.9252	2.63	31000	0.1833	0.2086
0.8957	2.68	31500	0.1795	0.2083
0.891	2.72	32000	0.1809	0.2058
0.9023	2.76	32500	0.1812	0.2061
0.8918	2.8	33000	0.1775	0.1997
0.8852	2.85	33500	0.1790	0.1997
0.8928	2.89	34000	0.1767	0.2013
0.9079	2.93	34500	0.1735	0.1986
0.9032	2.97	35000	0.1793	0.2024
0.9018	3.02	35500	0.1778	0.2027
0.8846	3.06	36000	0.1776	0.2046
0.8848	3.1	36500	0.1812	0.2064
0.9062	3.14	37000	0.1800	0.2018
0.9011	3.19	37500	0.1783	0.2049
0.8996	3.23	38000	0.1810	0.2036
0.893	3.27	38500	0.1805	0.2056
0.897	3.31	39000	0.1773	0.2035
0.8992	3.36	39500	0.1804	0.2054
0.8987	3.4	40000	0.1768	0.2016

Framework versions

Transformers 4.16.0.dev0
Pytorch 1.10.1+cu102
Datasets 1.17.1.dev0
Tokenizers 0.11.0

Evaluation Commands

To evaluate on mozilla-foundation/common_voice_7_0 with split test

python ./eval.py --model_id AndrewMcDowell/wav2vec2-xls-r-300m-german-de --dataset mozilla-foundation/common_voice_7_0 --config de --split test --log_outputs

To evaluate on test dev data

python ./eval.py --model_id AndrewMcDowell/wav2vec2-xls-r-300m-german-de --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: e6e17dd

Характеристики

Ссылки

wav2vec2-xls-r-300m-german-de

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Ограничения

Для каких профессий подходит8

Также подходит для

Карточка модели

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Evaluation Commands

Как запустить