/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2-bert · dense
Базовая модель
w2v-bert-2.0
Опубликована
12 июн 2024

Ссылки

Hugging Face

w2v-bert-2.0-nonstudio_and_studioRecords_final

Bajiyo
Распознавание речиАудио → текст7 профессий

Дообученная на базе facebook/w2v-bert-2.0 модель для преобразования речи из аудио в текст.

19скачиваний за 30 дней5лайковвеса обновлены28 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.

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

Bajiyo/w2v-bert-2.0-nonstudio_and_studioRecords_final — модель распознавания речи на основе архитектуры Wav2Vec2-BERT, дообученная разработчиком Bajiyo на неизвестном наборе данных. Она принимает аудио и преобразует речь в текст; репозиторий содержит веса в формате Safetensors. Модель насчитывает около 402,7 млн параметров и распространяется по лицензии MIT.

На указанном в карточке наборе оценки модель получила loss 0,1772 и WER 0,1266. Эти результаты относятся только к этому набору; README не описывает его состав, языки, условия записи или методику оценки. Поэтому качество для конкретных языков и условий применения по этим цифрам определить нельзя.

Сценарии применения

  • распознавание речи в аудиозаписях
  • получение текстовой расшифровки речевых файлов
  • оценка WER на собственном наборе аудиоданных

Ограничения

Языки и состав обучающего и оценочного наборов не описаны, поэтому применимость к конкретному языку и акустическим условиям не установлена. Приведённый WER относится только к указанному в карточке набору оценки.

Для каких профессий подходит7

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 923моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

w2v-bert-2.0-nonstudio_and_studioRecords_final

This model is a fine-tuned version of facebook/w2v-bert-2.0 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1772
  • Wer: 0.1266

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: 5e-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • 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: 10
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
1.0550.46016000.36830.4608
0.17340.920212000.26200.3546
0.12421.380418000.21150.3018
0.10751.840524000.20040.2889
0.08882.300630000.18700.2573
0.0782.760736000.17240.2267
0.06643.220942000.15720.2244
0.05763.681048000.17460.2217
0.05224.141154000.16430.1796
0.04154.601260000.17810.1851
0.03985.061366000.16700.1714
0.03015.521572000.15310.1617
0.02965.981678000.14630.1590
0.02116.441784000.15660.1473
0.02066.901890000.14230.1468
0.01477.362096000.14430.1413
0.01367.8221102000.15390.1418
0.01058.2822108000.16110.1383
0.00798.7423114000.17610.1351
0.00639.2025120000.18140.1304
0.00439.6626126000.17720.1266

Framework versions

  • Transformers 4.41.2
  • Pytorch 2.3.1+cu121
  • Datasets 2.19.2
  • 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
Wav2Vec2BertForCTC
Ревизия весов
a7c54a1

0 моделей

    Создать бенчмарк