/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense

Ссылки

Hugging Face

xls-r-300m-ur-cv7

HarrisDePerceptron
Распознавание речиАудио → текст3 профессии

Дообученная wav2vec2-модель для распознавания речи на урду в аудиозаписях.

15скачиваний за 30 дней0лайковвеса обновлены5 фев 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

Модель HarrisDePerceptron/xls-r-300m-ur-cv7 — вариант facebook/wav2vec2-xls-r-300m, дообученный HarrisDePerceptron для автоматического распознавания речи на урду на датасете Mozilla Foundation Common Voice 7.0. Это плотная архитектура wav2vec2 с CTC-головой; в метаданных указано 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст на урду.

На оценочной выборке указаны loss 1,2924 и WER 0,7201, что свидетельствует о заметной ошибке распознавания и ограничивает пригодность модели для сценариев, где важна высокая точность. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

Сценарии применения

  • транскрибирование речи на урду
  • распознавание речи на урду в записях Common Voice
  • получение черновой текстовой расшифровки аудио на урду

Ограничения

На оценочной выборке WER составляет 0,7201, поэтому точность распознавания ограничена. Область применения карточкой подробно не описана.

Для каких профессий подходит3

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.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

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_7_0 - UR dataset. It achieves the following results on the evaluation set:

  • Loss: 1.2924
  • Wer: 0.7201

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: 200.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
11.27834.171004.64091.0
3.55788.332003.16491.0
3.127912.53003.03351.0
2.994416.674002.95260.9983
2.927520.835002.92911.0009
2.807725.06002.56330.9895
2.443829.177001.90450.9564
1.965933.338001.41140.7960
1.709237.59001.25840.7637
1.51741.6710001.20400.7507
1.396645.8311001.12730.7463
1.319750.012001.10540.6957
1.247654.1713001.10350.7001
1.179658.3314001.08900.7097
1.123762.515001.08830.7167
1.077766.6716001.10670.7219
1.005170.8317001.11150.7236
0.952175.018001.08670.7132
0.914779.1719001.08520.7210
0.879883.3320001.14110.7097
0.831787.521001.16340.7018
0.794691.6722001.16210.7201
0.759495.8323001.14820.7036
0.729100.024001.14930.7062
0.7055104.1725001.17260.6931
0.6622108.3326001.19380.7001
0.6583112.527001.18320.7149
0.6299116.6728001.19960.7175
0.5903120.8329001.19860.7132
0.5816125.030001.19090.7010
0.5583129.1731001.20790.6870
0.5392133.3332001.21090.7228
0.5412137.533001.23530.7245
0.5136141.6734001.23900.7254
0.5007145.8335001.22730.7123
0.4883150.036001.27730.7289
0.4835154.1737001.26780.7289
0.4568158.3338001.25920.7350
0.4525162.539001.27050.7254
0.4379166.6740001.27170.7306
0.4198170.8341001.26180.7219
0.4216175.042001.29090.7158
0.4305179.1743001.28080.7167
0.399183.3344001.27500.7193
0.3937187.545001.27190.7149
0.3905191.6746001.28160.7158
0.3892195.8347001.29510.7210
0.3932200.048001.29240.7201

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
2ded961

0 моделей

    Создать бенчмарк