/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-large-xlsr-53
Библиотека
transformers
Опубликована
14 фев 2025

wav2vec2-large-xlsr-uzbek_STT_2

Распознавание речиАудио → текст3 профессии

Дообученная wav2vec 2.0 модель для преобразования узбекской речи в текст.

43скачиваний за 30 дней0лайковвеса обновлены14 фев 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 «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

Beehzod/wav2vec2-large-xlsr-uzbek_STT_2 — модель распознавания речи, разработанная дообучением facebook/wav2vec2-large-xlsr-53. Она принимает аудио и выдаёт текст; модель построена на архитектуре Wav2Vec2ForCTC и содержит около 402,7 млн параметров. По названию модель предназначена для распознавания узбекской речи, однако карточка не раскрывает обучающий набор данных и подробные условия применения. Указана лицензия Apache-2.0.

В карточке приведён результат оценки WER 1,0, что указывает на очень высокую ошибку распознавания в использованной оценке. Поэтому качество транскрипции может быть недостаточным для практических сценариев; данных для вывода о производительности на других наборах или условиях записи нет.

Сценарии применения

  • транскрибация узбекской речи
  • распознавание узбекской речи в аудиозаписях
  • получение текстовых расшифровок узбекских высказываний

Ограничения

На указанной оценочной выборке WER равен 1,0, что свидетельствует о крайне низком качестве распознавания в этом тесте. Обучающий набор данных и подробные ограничения в карточке не описаны.

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

wav2vec2-large-xlsr-uzbek_STT_2

This model is a fine-tuned version of facebook/wav2vec2-large-xlsr-53 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 3.0329
  • Wer: 1.0

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: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 10
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
6.57531.53851004.93071.0
3.30673.07692003.17311.0
3.18734.61543003.15011.0
3.01996.15384003.12291.0
3.06057.69235003.04681.0
3.04549.23086003.03291.0

Framework versions

  • Transformers 4.48.3
  • Pytorch 2.5.1+cu121
  • Datasets 3.2.0
  • 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
Wav2Vec2ForCTC
Ревизия весов
439c7b7

0 моделей