Характеристики
- Параметры
- 403 млн
- Лицензия
- Apache 2.0
- Архитектура
- wav2vec2 · dense
- Опубликована
- 2 мар 2022
Ссылки
odia_large_wav2vec2
Крупная модель Wav2Vec2 для автоматической транскрибации речи на языке одия.
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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Harveenchadha/odia_large_wav2vec2 — модель автоматического распознавания речи на базе архитектуры Wav2Vec2, разработанная автором Harveenchadha и реализованная с использованием Transformers и PyTorch. Модель предназначена для преобразования аудиозаписей на языке одия (код or) в текст.
Модель содержит около 402,7 млн параметров и обучалась с использованием набора Harveenchadha/indic-voice, а также оценивалась на данных Common Voice. Она подходит для транскрибации речевых записей, голосовых сообщений и других аудиоматериалов на одия.
Согласно приведённым результатам, значение WER на тестовых выборках Common Voice составляет 53,58–55,26, а CER — 11,26–13,01, поэтому качество распознавания может заметно зависеть от диктора, акустических условий и типа речи. Модель распространяется по лицензии Apache-2.0.
Сценарии применения
- транскрибация аудиозаписей на одия
- распознавание голосовых сообщений на одия
- создание субтитров для речи на одия
- преобразование телефонных и полевых записей речи в текст
Ограничения
На тестах Common Voice модель показывает высокий уровень ошибок: WER составляет примерно 53,58–55,26, а CER — 11,26–13,01. Качество может снижаться для шумных записей, нестандартного произношения и условий, отличающихся от обучающих данных.
Для каких профессий подходит5
Разделы каталога профессий, в задачах которых используется эта модель
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Автор не опубликовал карточку модели.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Wav2Vec2ForCTC
- Ревизия весов
- f93005d