Характеристики

Параметры: 403 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Опубликована: 15 апр 2023

Ссылки

Hugging Face

igbo_ASR

AstralZander

Распознавание речиАудио → текст

Модель на базе Wav2Vec2 для распознавания речи на игбо и преобразования аудио в текст.

111скачиваний за 30 дней4лайкавеса обновлены2 мая 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.

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

AstralZander/igbo_ASR — модель автоматического распознавания речи на языке игбо, созданная дообучением facebook/wav2vec2-xls-r-300m на наборах Google FLEURS и Mozilla Common Voice 13.0. Модель основана на архитектуре Wav2Vec2 с CTC-головой и содержит около 402,8 млн параметров.

Она принимает аудио и преобразует речь на игбо в текст; карточка приводит показатель WER 0,51. Модель можно применять для расшифровки аудиозаписей и получения транскрипций с временными метками и оценками вероятности. Опубликованные веса представлены в формате PyTorch, лицензия — Apache-2.0.

Сценарии применения

транскрибация речи на игбо
расшифровка аудиозаписей на игбо
получение текста из голосовых сообщений на игбо

Ограничения

В карточке указан WER 0,51; качество может быть ограниченным. Модель предназначена для речи на игбо, поэтому применимость к другим языкам не подтверждена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

facebook/wav2vec2-xls-r-300m fine-tuned on google/fleurs and mozilla-foundation/common_voice_13_0 for Igbo language.

WER: 0.51

Code for running:

from huggingsound import SpeechRecognitionModel

model = SpeechRecognitionModel("AstralZander/igbo_ASR")
audio_paths = [audio_path] # List with paths to audio
transcriptions = model.transcribe(audio_paths)

transcriptions # List of transcriptions, timestamps and probabilities
transcriptions[ind_audio]['transcription'] # Transcription of audio with the ind_audio index from the audio_paths list

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: ed0933b