/ Модель
Каталог

Характеристики

Параметры
1,3 млрд
Лицензия
CC BY-NC 4.0
Архитектура
wav2vec2 · dense
Базовая модель
mms-1b-all
Опубликована
23 июл 2023

Ссылки

Hugging Face

wav2vec2-large-mms-1b-all-lingala-ojpl

BrainTheos
Распознавание речиАудио → текст5 профессий

Дообученная на facebook/mms-1b-all модель wav2vec2 для преобразования речи на лингала в текст.

347скачиваний за 30 дней1лайквеса обновлены24 июл 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.

  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

BrainTheos/wav2vec2-large-mms-1b-all-lingala-ojpl — модель распознавания речи на основе wav2vec2, дообученная на facebook/mms-1b-all на данных audiofolder. Она преобразует входящую речь в текст и предназначена для распознавания речи на лингала; архитектура модели — Wav2Vec2ForCTC, размер — 1,3 млрд параметров. В оценке на тестовой выборке указаны loss 0,8394 и WER 0,2698.

Модель подходит для транскрибирования записей и голосовых сообщений на лингала. Репозиторий содержит веса PyTorch и Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Карточка не содержит подробных сведений о сценариях обучения и ограничениях качества.

Сценарии применения

  • транскрибирование записей на лингала
  • распознавание речи в голосовых сообщениях на лингала
  • создание текстовых расшифровок аудио на лингала

Ограничения

На оценочной выборке WER составляет 0,2698; качество на других типах аудио не описано. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-mms-1b-all-lingala-ojpl

This model is a fine-tuned version of facebook/mms-1b-all on the audiofolder dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8394
  • Wer: 0.2698

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: 0.001
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 4

Training results

Training LossEpochStepValidation LossWer
0.54420.131000.93960.3307
0.98820.272000.91890.3389
0.58450.43000.93220.3129
0.41620.544001.07420.2939
0.5060.675000.96260.3077
0.87890.816001.05020.3055
0.61660.947000.95600.2984
0.41011.088000.95200.2995
0.65361.219001.12130.2988
0.49211.3410001.03190.3010
0.8561.4811000.95140.3043
0.44791.6112000.90790.2843
0.72491.7513000.96120.2895
0.53841.8814000.90500.2928
0.7092.0215000.98440.2735
0.65752.1516000.93770.2772
0.61152.2817000.96900.2876
0.31192.4218000.92220.2798
0.35912.5519000.93580.2783
0.39792.6920000.91560.2702
0.75412.8221000.88380.2761
0.812.9622000.84600.2813
0.22243.0923000.93770.2694
0.23383.2324000.88700.2746
0.53153.3625000.87820.2672
0.40453.4926000.88110.2653
0.48743.6327000.90590.2620
0.3043.7628000.88010.2690
1.46883.929000.83940.2698

Framework versions

  • Transformers 4.32.0.dev0
  • Pytorch 1.13.1+cu117
  • Datasets 2.13.1
  • Tokenizers 0.13.3

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
27a0217

0 моделей

    Создать бенчмарк