Fine-tuned on Multilingual Pretrained Model CLSRIL-23. The original fairseq checkpoint is present here. When using this model, make sure that your speech input is sampled at 16kHz. Note: The result from this model is without a language model so you may witness a higher WER in some cases.
Характеристики
- Параметры
- 113 млн
- Лицензия
- MIT
- Архитектура
- wav2vec2 · dense
Ссылки
vakyansh-wav2vec2-punjabi-pam-10
Модель wav2vec2 для преобразования речи на панджаби в текст, дообученная на CLSRIL-23.
193скачиваний за 30 дней2лайкавеса обновлены17 дек 2021
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/vakyansh-wav2vec2-punjabi-pam-10 — модель распознавания речи на базе архитектуры wav2vec2, дообученная на многоязычной предварительно обученной модели CLSRIL-23. Она преобразует аудиоречь на панджаби в текст и может применяться для транскрибации записей и построения систем распознавания речи. Модель содержит 113,3 млн параметров и представлена в формате PyTorch; входное аудио должно иметь частоту дискретизации 16 кГц.
Распознавание выполняется без языковой модели, поэтому в некоторых случаях возможен повышенный показатель ошибок слов. Модель выпущена под лицензией MIT.
Сценарии применения
- транскрибация аудиозаписей на панджаби
- распознавание панджабской речи в приложениях
- создание субтитров для речи на панджаби
Ограничения
Для входного аудио требуется частота дискретизации 16 кГц. Модель не использует языковую модель, что может приводить к повышенному уровню ошибок слов.
Для каких профессий подходит5
Разделы каталога профессий, в задачах которых используется эта модель
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
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Wav2Vec2ForCTC
- Ревизия весов
- 141b585