/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

xls-r-300m-ur

HarrisDePerceptron
Распознавание речиАудио → текст5 профессий

Модель wav2vec2 для автоматической расшифровки речи на урду, дообученная на Mozilla Common Voice 8.0.

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.

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

HarrisDePerceptron/xls-r-300m-ur — модель распознавания речи на основе архитектуры wav2vec2 с классификатором CTC. Она дообучена на датасете Mozilla Common Voice 8.0 для языка урду и принимает аудио, выдавая текстовую расшифровку. В репозитории указаны 402,7 млн параметров; веса доступны в формате PyTorch.

Модель подходит для расшифровки записей речи на урду, в том числе материалов, похожих на записи Common Voice. В оценке на тестовой выборке датасета указаны WER 0,515 и CER 0,237, поэтому точность может быть ограниченной, особенно на шумных записях, других речевых доменах и вариантах произношения. Модель выпущена под лицензией Apache-2.0.

Сценарии применения

  • расшифровка записей речи на урду
  • создание текстовых субтитров для аудио на урду
  • транскрибация коротких голосовых сообщений на урду

Ограничения

На тестовой выборке Common Voice 8.0 указаны WER 0,515 и CER 0,237; качество на иных записях и речевых условиях может быть ниже. Описание модели не содержит дополнительных сведений о сценариях применения и ограничениях.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.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 923моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.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

This model is a fine-tuned version of HarrisDePerceptron/xls-r-300m-ur on the MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - UR dataset. It achieves the following results on the evaluation set:

  • Loss: 1.0517
  • WER: 0.5151291512915129
  • CER: 0.23689640940982254

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: 7.5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 100.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
1.29911.961000.97690.6627
1.34153.922000.97010.6594
1.29985.883000.96780.6668
1.28817.844000.96500.6613
1.23699.85000.93920.6502
1.229311.766000.95360.6480
1.170913.737000.92650.6402
1.149215.698000.96360.6506
1.104417.659000.93050.6351
1.070419.6110000.93290.6280
1.003921.5711000.94130.6295
0.975623.5312000.97180.6185
0.963325.4913000.97310.6133
0.93227.4514000.96590.6199
0.925229.4115000.97660.6196
0.917231.3716001.00520.6199
0.873333.3317000.99550.6203
0.86835.2918001.00690.6240
0.854737.2519000.97830.6258
0.845139.2220000.98450.6052
0.837441.1821000.94960.6137
0.815343.1422000.97560.6122
0.813445.123000.97120.6096
0.801947.0624000.95650.5970
0.774649.0225000.98640.6096
0.766450.9826000.99880.6092
0.770852.9427001.01810.6255
0.746854.928000.99180.6148
0.724156.8629001.01500.6018
0.716558.8230001.04390.6063
0.710460.7831001.00160.6037
0.695462.7532001.01170.5970
0.675364.7133001.01910.6037
0.680366.6734001.01900.6033
0.66168.6335001.02840.6007
0.659770.5936001.00600.5967
0.639872.5537001.03720.6048
0.610574.5138001.00480.6044
0.616476.4739001.03980.6148
0.635478.4340001.02720.6133
0.595280.3941001.03640.6081
0.581482.3542001.04180.6092
0.607984.3143001.02770.5967
0.574886.2744001.03620.6041
0.562488.2445001.04270.6007
0.576790.246001.03700.5919
0.579392.1647001.04420.6011
0.54794.1248001.05160.5982
0.551396.0849001.04610.5989
0.542998.0450001.05040.5996
0.5404100.051001.05170.5967

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.2+cu102
  • 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
5679334

0 моделей

    Создать бенчмарк