/ Модель

Характеристики

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

wav2vec2-xls-r-sl-a2

Распознавание речиАудио → текст7 профессий

Дообученная на словенской речи модель Wav2Vec2 для автоматической транскрипции аудио в текст.

24скачиваний 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-xls-r-sl-a2 — модель распознавания речи, дообученная Drishti Sharma на базе facebook/wav2vec2-xls-r-300m на словенской части Mozilla Common Voice 8.0. Это архитектура Wav2Vec2 с классификацией CTC, содержащая 402,7 млн параметров и принимающая аудио для преобразования речи в текст. Для набора оценки Common Voice 8.0 указаны Loss 0,2855 и WER 0,2401.

Модель предназначена для автоматической транскрипции речи на словенском языке, например записей и голосовых высказываний. Распространяется в формате PyTorch по лицензии Apache-2.0. Показатель WER получен на указанном наборе оценки; README не приводит результаты для других наборов или условий записи.

Сценарии применения

  • транскрибирование словенской речи из аудиозаписей
  • распознавание словенской речи в голосовых сообщениях
  • подготовка текстовых расшифровок для словенских аудиоданных

Ограничения

В README приведён WER 0,2401 на оценочном наборе Common Voice 8.0; качество на других наборах и условиях записи не описано.

Для каких профессий подходит7

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 - SL dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2855
  • Wer: 0.2401

##Evaluation Commands

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

python eval.py --model_id DrishtiSharma/wav2vec2-xls-r-sl-a2 --dataset mozilla-foundation/common_voice_8_0 --config sl --split test --log_outputs

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

Votic language not found in speech-recognition-community-v2/dev_data

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 7e-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 100.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
6.92946.15002.97121.0
2.830512.210001.70730.9479
1.479518.2915000.57560.6397
1.343324.3920000.49680.5424
1.176630.4925000.41850.4743
1.001736.5930000.33030.3578
0.935842.6835000.30030.3051
0.835848.7840000.30450.2884
0.764754.8845000.28660.2677
0.748260.9850000.28290.2585
0.694367.0755000.27820.2478
0.658673.1760000.29110.2537
0.642579.2765000.28170.2462
0.606785.3770000.29100.2436
0.597491.4675000.28750.2430
0.581297.5680000.28520.2396

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
15a0866

0 моделей