/ Модель

Характеристики

Параметры
29,6 млн
Лицензия
Apache 2.0
Архитектура
umt5 · dense
Базовая модель
umt5-thai-g2p-v2-pretraining-0.5k
Библиотека
transformers
Опубликована
21 июн 2025

umt5-thai-g2p-v2-0.5k

ПереводТекст → текст3 профессии

Модель преобразует тайские слова и предложения в фонемную транскрипцию IPA для задач G2P и предварительной обработки текста перед синтезом речи.

351скачиваний за 30 дней2лайкавеса обновлены2 июл 2025

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 «Текст» — 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

umt5-thai-g2p-v2-0.5k — модель B-K, дообученная на наборе B-K/thai-g2p для преобразования тайского текста в фонемную транскрипцию Международным фонетическим алфавитом (IPA). Это модель семейства UMT5 с архитектурой условной генерации текста; число параметров — 29,6 млн. Её применяют для преобразования слов и предложений на тайском языке в произношение, в том числе как этап предварительной обработки в конвейере синтеза речи.

На оценочном наборе указаны loss 1,0480 и CER 0,0369. Модель может ошибаться, особенно на редких словах, неологизмах, сложных именах и данных, отличающихся от обучающего набора; неоднозначность тайского письма также может приводить к неверному произношению. Устойчивость на очень длинных или сложных предложениях может варьироваться. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • Преобразование тайского текста в фонемы IPA
  • Подготовка произношения тайских слов для синтеза речи
  • Фонемная транскрипция тайских предложений
  • Автоматическая обработка произношения тайского текста в речевом конвейере

Ограничения

На оценочном наборе CER составляет 0,0369, но модель всё ещё может ошибаться; качество может снижаться на редких словах, новых словах, сложных именах и длинных или сложных предложениях. Неоднозначность тайского письма может приводить к неверному выбору произношения.

Для каких профессий подходит3

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

umt5-thai-g2p-v2-0.5k

This model is a fine-tuned version of B-K/umt5-thai-g2p-v2-pretraining-0.5k on the B-K/thai-g2p dataset for Thai Grapheme-to-Phoneme (G2P) conversion.. It achieves the following results on the evaluation set:

  • Loss: 1.0480
  • Cer: 0.0369

Model description

umt5-thai-g2p-v2-0.5k is designed to convert Thai text (words or sentences) into their corresponding phonemic International Phonetic Alphabet (IPA) representations.

Intended uses & limitations

Intended Uses

  • Thai Grapheme-to-Phoneme (G2P) Conversion: The primary use of this model is to generate phonemic transcriptions (IPA) for Thai text.
  • Speech Synthesis Preprocessing: Can be used as a component in a Text-to-Speech (TTS) pipeline to convert input text into phonemes before acoustic model processing.

Limitations

  • Accuracy: While the model achieves a Character Error Rate (CER) of approximately 0.0369 on the evaluation set, it is not 100% accurate. Users should expect some errors in the generated phonemes.
  • Out-of-Distribution Data: Performance may degrade on words, phrases, or sentence structures significantly different from those present in the B-K/thai-g2p training dataset. This includes very rare words, neologisms, or complex named entities.
  • Ambiguity: Thai orthography can sometimes be ambiguous, and the model might not always resolve such ambiguities correctly to the intended pronunciation in all contexts.
  • Sentence-Level vs. Word-Level: While trained on a dataset that includes sentences, its robustness for very long or highly complex sentences might vary.
  • Inherited Limitations: As a fine-tuned version of google/umt5-small, it inherits the general architectural limitations and scale of the base model.

How to use

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained("B-K/umt5-thai-g2p-v2-0.5k")
model = AutoModelForSeq2SeqLM.from_pretrained("B-K/umt5-thai-g2p-v2-0.5k")

thai_text = "สวัสดีครับนี่คือโมเดลจีทูพีขนาดสี่สิบห้าล้านพารามิเตอร์มันเล็กมาก" # Example Thai text
inputs = tokenizer(thai_text, return_tensors="pt", padding=True, truncation=True)

outputs = model.generate(**inputs, num_beams=3, max_new_tokens=256)
phonemes = tokenizer.decode(outputs[0], skip_special_tokens=True)

print(f"Thai Text: {thai_text}")
# สวัสดีครับนี่คือโมเดลจีทูพีขนาดสี่สิบห้าล้านพารามิเตอร์มันเล็กมาก
print(f"Phonemes: {phonemes.replace(" ", "")}") # <-- Removing the space to make it more readable
# sa˨˩.wat̚˨˩.diː˧.kʰrap̚˦˥.niː˥˩.kʰɯː˧.moː˧.deːl˧.t͡ɕiː˧.tʰuː˧.pʰiː˧.kʰa˨˩.naːt̚˨˩.siː˨˩.sip̚˨˩.haː˥˩.laːn˦˥.pʰaː˧.raː˧.mi˦˥.tɤː˥˩.man˧.lek̚˦˥.maːk̚˥˩

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0003
  • train_batch_size: 128
  • eval_batch_size: 128
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 50
  • label_smoothing_factor: 0.1

Training results

Training LossEpochStepValidation LossCerGen LenMax Gen Len
1.99894.05121.29080.25328.850896
1.99895.06401.23100.262230.979396
1.99896.07681.20740.162427.767396
1.99897.08961.16200.140428.912296
1.20988.010241.14440.123528.910896
1.20989.011521.14610.103527.194196
1.209810.012801.11990.094128.58696
1.209811.014081.11910.08928.34996
1.132212.015361.10950.085928.266296
1.132213.016641.09930.072428.491196
1.132214.017921.09840.074928.283496
1.132215.019201.09430.063828.268496
1.096116.020481.09150.06528.224196
1.096117.021761.08450.061328.34996
1.096118.023041.08300.062628.140696
1.096119.024321.08030.05828.381296
1.072920.025601.07490.056228.545396
1.072921.026881.07440.068329.083596
1.072922.028161.07340.053428.501896
1.072923.029441.06890.056228.865896
1.058124.030721.06720.053428.476896
1.058125.032001.06140.046928.683896
1.058126.033281.05980.044828.606796
1.058127.034561.05770.044328.649596
1.045828.035841.05680.042928.461196
1.045829.037121.06010.045428.516896
1.045830.038401.05790.04628.63696
1.045831.039681.05590.046428.533996
1.037232.040961.05320.042328.633896
1.037233.042241.05190.043228.647496
1.037234.043521.05330.037828.398396
1.037235.044801.05210.0428.373396
1.030736.046081.05110.0428.60196
1.030737.047361.05070.040128.528296
1.030738.048641.05070.041428.568296
1.030739.049921.04880.037628.538296
1.025640.051201.04880.038228.54696
1.025641.052481.04910.038628.502596
1.025642.053761.04830.037328.511896
1.022943.055041.04790.037828.518296
1.022944.056321.04810.037628.540396
1.022945.057601.04800.039128.553296
1.022946.058881.04850.037428.533996
1.021147.060161.04820.037128.512596
1.021148.061441.04800.037228.516896
1.021149.062721.04790.037628.525396
1.021150.064001.04800.036928.503296

Framework versions

  • Transformers 4.47.0
  • Pytorch 2.5.1
  • Datasets 3.6.0
  • Tokenizers 0.21.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
UMT5ForConditionalGeneration
Ревизия весов
95d40d3

0 моделей