/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
20 мар 2023

fine-tune-wav2vec2-large-xls-r-1b-sw

Распознавание речиАудио → текст5 профессий

Модель на базе wav2vec2 для транскрибации общей речи на суахили.

15скачиваний за 30 дней0лайковвеса обновлены7 июл 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

AntonyG/fine-tune-wav2vec2-large-xls-r-1b-sw — модель распознавания речи на суахили, разработанная на основе wav2vec2. Согласно карточке, она дообучена на датасете Common Voice 11.0 для транскрибации речи на суахили. Архитектура — Wav2Vec2ForCTC; в метаданных указано 402,7 млн параметров и формат PyTorch.

Модель предназначена для распознавания общей разговорной речи на суахили. На оценочной выборке Common Voice 11.0 указаны loss 1,2834 и WER 0,5834. Разработчики рассматривают дальнейшее дообучение для предметных сценариев, в частности разговоров в больницах; текущая карточка не подтверждает специализацию на медицинской речи. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация речи на суахили
  • распознавание суахилийской речи в аудиозаписях
  • создание текстовых расшифровок выступлений на суахили

Ограничения

На оценочной выборке указана частота ошибок слов (WER) 0,5834. Модель обучена для общей речи на суахили, а заявленная специализация на медицинских разговорах требует дальнейшего дообучения.

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

fine-tune-wav2vec2-large-xls-r-300m-sw

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the common_voice_11_0 swahili dataset. It achieves the following results on the evaluation set:

  • Loss: 1.2834
  • Wer: 0.5834

Model description

This model is fine-tuned for general swahili speech recognition tasks. You can watch our hour long webinar and see the slides on this work.

Intended uses & limitations

The intention is to transcribe general swahili speeches. With further development, we'll fine-tune the model for domain-specific (we are focused on hospital tasks) swahili conversations.

Training and evaluation data

To appreciate the transformation we did on the data, you can read our blog on data preparation.

Training procedure

We also documented some lessons from the fine-tuning exercise.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0003
  • 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: 500
  • num_epochs: 9
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
No log1.722003.00921.0
4.13053.434002.91591.0
4.13055.156001.43010.7040
0.92176.878001.31430.6529
0.92178.5810001.28340.5834

Framework versions

  • Transformers 4.27.0
  • Pytorch 1.13.1+cu116
  • Datasets 2.10.1
  • Tokenizers 0.13.2

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
8df35a9

0 моделей