/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
2 мар 2022

Ссылки

Hugging Face

wav2vec2-large-xls-r-300m-hi-CV7

DrishtiSharma
Распознавание речиАудио → текст8 профессий

Дообученная Wav2Vec2-модель для преобразования речи на хинди в текст.

25скачиваний за 30 дней0лайковвеса обновлены3 ноя 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

DrishtiSharma/wav2vec2-large-xls-r-300m-hi-CV7 — модель распознавания речи, разработанная Drishti Sharma и дообученная на базе facebook/wav2vec2-xls-r-300m на наборе Common Voice 7.0 для языка хинди. Она использует архитектуру Wav2Vec2 с CTC-выходом и содержит около 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст на хинди.

Модель подходит для транскрибирования записей речи и оценки систем распознавания хинди. В README указаны значения loss 0,6588 и WER 0,2987 на оценочном наборе. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибирование записей речи на хинди
  • распознавание речи на хинди в аудиозаписях
  • оценка качества систем распознавания речи на хинди

Ограничения

Показатель WER 0,2987 приведён для оценочного набора Common Voice 7.0; качество на других наборах и условиях записи может отличаться.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.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 835моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xls-r-300m-hi-CV7

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - HI dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6588
  • Wer: 0.2987

Evaluation Commands

  1. To evaluate on mozilla-foundation/common_voice_8_0 with test split

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-hi-CV7 --dataset mozilla-foundation/common_voice_7_0 --config hi --split test --log_outputs

  1. To evaluate on speech-recognition-community-v2/dev_data

NA

Training hyperparameters

The following hyperparameters were used during training:

  • 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: 2000
  • num_epochs: 60
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
12.8091.362006.20661.0
4.34022.724003.51841.0
3.43654.086003.27791.0
1.86435.448000.98750.6270
0.75046.810000.63820.4666
0.53288.1612000.60750.4505
0.43649.5214000.57850.4215
0.377710.8816000.62790.4227
0.337412.2418000.65360.4192
0.323613.620000.59110.4047
0.287714.9622000.59550.4097
0.264316.3324000.59230.3744
0.242117.6826000.63070.3814
0.221819.0528000.60360.3764
0.204620.4130000.62860.3797
0.19121.7732000.65170.3889
0.185623.1334000.61930.3661
0.172124.4936000.70340.3727
0.165625.8538000.62930.3591
0.153227.2140000.60750.3611
0.150728.5742000.63130.3565
0.138129.9344000.65640.3578
0.135931.2946000.67240.3543
0.124832.6548000.67890.3512
0.119834.0150000.64420.3539
0.112535.3752000.66760.3419
0.103636.7354000.70170.3435
0.098238.0956000.68280.3319
0.097139.4558000.61120.3351
0.096840.8160000.64240.3252
0.089342.1862000.67070.3304
0.087843.5464000.64320.3236
0.082744.8966000.66960.3240
0.078846.2668000.65640.3180
0.075347.6270000.65740.3130
0.067448.9872000.66980.3175
0.067650.3474000.64410.3142
0.062651.776000.66420.3121
0.061753.0678000.66150.3117
0.059954.4280000.66340.3059
0.053855.7882000.64640.3033
0.057157.1484000.65030.3018
0.049158.586000.66250.3025
0.051159.8688000.65880.2987

Framework versions

  • Transformers 4.16.2
  • Pytorch 1.10.0+cu111
  • Datasets 1.18.3
  • 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
6a4a97b

0 моделей

    Создать бенчмарк