/ Модель

Характеристики

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

wav2vec2-large-xls-r-300m-pa-IN-dx1

Распознавание речиАудио → текст6 профессий

Дообученная wav2vec2-модель для автоматической транскрибации речи на пенджабском языке, вариант pa-IN.

27скачиваний за 30 дней0лайковвеса обновлены24 мар 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.

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-pa-IN-dx1 — модель распознавания речи на архитектуре wav2vec2, дообученная на базе facebook/wav2vec2-xls-r-300m на наборе Mozilla Common Voice 8.0 для пенджабского языка, региональный вариант pa-IN. Она преобразует аудио в текст и предназначена для автоматической транскрибации пенджабской речи. В метаданных указано 402,7 млн параметров; модель использует PyTorch и формат весов PyTorch. На тестовой выборке Common Voice 8.0 автор сообщает WER 0,4755 и loss 1,0855. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация пенджабской речи из аудиозаписей
  • распознавание речи на пенджабском языке в приложениях
  • подготовка текстовых субтитров для пенджабского аудио

Ограничения

На тестовой выборке Common Voice 8.0 указана оценка WER 0,4755; качество может различаться на других данных и условиях записи. README отмечает, что пенджабский язык отсутствует в наборе speech-recognition-community-v2/dev_data для приведённой оценки.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 facebook/wav2vec2-xls-r-300m on the MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - PA-IN dataset. It achieves the following results on the evaluation set:

  • Loss: 1.0855
  • Wer: 0.4755

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-pa-IN-dx1 --dataset mozilla-foundation/common_voice_8_0 --config pa-IN --split test --log_outputs

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

Punjabi language isn't available in speech-recognition-community-v2/dev_data

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0003
  • train_batch_size: 16
  • 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: 1200
  • num_epochs: 100.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
3.46079.265002.77461.0416
0.344218.5210000.91140.5911
0.221327.7815000.96870.5751
0.124237.0420001.02040.5461
0.099846.325001.02500.5233
0.072755.5630001.10720.5382
0.060564.8135001.05880.5073
0.045874.0740001.08180.5069
0.033883.3345001.09480.5108
0.022392.5950001.09860.4775

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
1777871

0 моделей