/ Модель
Каталог

Характеристики

Параметры
1,3 млрд
Архитектура
wav2vec2 · dense

Ссылки

Hugging Face

wav2vec2-xls-r-1b-turkish

Baybars
Распознавание речиАудио → текст8 профессий

Дообученная на Common Voice модель wav2vec2 для распознавания турецкой речи и преобразования её в текст.

26скачиваний за 30 дней1лайквеса обновлены3 фев 2022

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

Baybars/wav2vec2-xls-r-1b-turkish — модель автоматического распознавания речи на турецком языке, дообученная на датасете COMMON_VOICE - TR. Она использует архитектуру wav2vec2 с классификационной головой CTC и содержит 1,3 млрд параметров. Модель принимает аудио и преобразует речь в текст; в метаданных указана задача automatic-speech-recognition.

На оценочной выборке указаны WER 0,4647 и CER 0,1318. Эти результаты описывают только приведённую оценку и не гарантируют качество на других данных. В README подробности о сценариях применения, обучающей выборке и ограничениях не приведены. Лицензия в доступных данных не указана.

Сценарии применения

  • транскрибация записей турецкой речи
  • распознавание турецкой речи из аудио
  • получение текстовых расшифровок для голосовых данных

Ограничения

На указанной оценочной выборке WER составляет 0,4647, а CER — 0,1318; качество на других данных может отличаться. Подробные ограничения и условия лицензии в предоставленных данных не описаны.

Для каких профессий подходит8

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.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This model is a fine-tuned version of ./checkpoint-10500 on the COMMON_VOICE - TR dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7540
  • Wer: 0.4647
  • Cer: 0.1318

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: 0.0002
  • train_batch_size: 32
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.999,0.9999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 120.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepCerValidation LossWer
1.07794.595000.23540.82600.7395
0.75739.1710000.21000.75440.6960
0.822513.7615000.20210.68670.6672
0.62118.3520000.18740.68240.6209
0.636222.9425000.19040.67120.6286
0.62427.5230000.18200.69400.6116
0.478132.1135000.17350.69660.5989
0.568536.740000.17690.67420.5971
0.438441.2845000.17670.69040.5999
0.550945.8750000.16920.67340.5641
0.366550.4655000.16800.70180.5662
0.391455.0560000.16310.71210.5552
0.246759.6365000.15630.66570.5374
0.257664.2270000.15540.69200.5316
0.271168.8175000.14950.69000.5176
0.262673.3980000.14540.68430.5043
0.137777.9885000.14700.73830.5101
0.200582.5790000.14300.72280.5045
0.135587.1695000.13750.72310.4869
0.043191.74100000.13500.73970.4749
0.058696.33105000.13390.73600.4754
0.0896100.92110000.71870.48850.1398
0.183105.5115000.73100.48380.1392
0.0963110.09120000.76430.47590.1362
0.0437114.68125000.75250.46410.1328
0.1122119.27130000.75350.46510.1317

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.2+cu102
  • Datasets 1.18.2.dev0
  • Tokenizers 0.11.0

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
c05579f

0 моделей

    Создать бенчмарк