/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base-960h
Опубликована
15 июн 2024

wav2vec2-base-Tamil-large

Распознавание речиАудио → текст4 профессии

Дообученная модель wav2vec 2.0 для распознавания тамильской речи и преобразования аудио в текст.

1 678скачиваний за 30 дней0лайковвеса обновлены15 июн 2024

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

Anujgr8/wav2vec2-base-Tamil-large — дообученная на базе facebook/wav2vec2-base-960h модель распознавания речи на архитектуре wav2vec 2.0 с классификационной головой CTC. Она преобразует аудио в текст и предназначена для транскрибирования речи на тамильском языке. Модель содержит 113,3 млн параметров и распространяется в формате Safetensors по лицензии Apache-2.0.

В README приведены результаты оценки: WER 0,3470 и CER 0,0610, а также значение loss 0,3015. Датасет обучения и подробности предполагаемых сценариев использования не описаны.

Сценарии применения

  • транскрибирование тамильской речи из аудиозаписей
  • распознавание устной тамильской речи

Ограничения

В README не названы датасет обучения и ограничения по условиям записи или качеству аудио. На указанном evaluation set WER составляет 0,3470; качество на других данных может отличаться.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-Tamil-large

This model is a fine-tuned version of facebook/wav2vec2-base-960h on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3015
  • Wer: 0.3470
  • Cer: 0.0610

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: 0.0003
  • train_batch_size: 6
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 24
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 3000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
5.20142.24723003.25581.01.0
1.17654.49446000.52450.71390.1482
0.47656.74169000.41910.60800.1133
0.338.988812000.34940.49830.0910
0.248811.236015000.31630.44700.0811
0.195113.483118000.33260.41790.0748
0.158615.730321000.31350.39240.0702
0.130817.977524000.30700.37980.0668
0.111120.224727000.29990.36180.0635
0.099622.471930000.30150.34700.0610

Framework versions

  • Transformers 4.41.2
  • Pytorch 2.3.0+cu121
  • Datasets 1.18.3
  • Tokenizers 0.19.1

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
33de19d

0 моделей