Дообученная wav2vec2-модель распознаёт речь на лингала и преобразует её в текст.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
Это модель распознавания речи на языке лингала, созданная HuggingAnalist на основе facebook/mms-300m. Модель семейства wav2vec2 с архитектурой Wav2Vec2ForCTC дообучена с символьной CTC-головой на наборе WaxalNLP lin_asr для соревнования Waxal ASR. В метаданных указано 1,3 млрд параметров; веса доступны в формате safetensors.
Модель преобразует аудиозаписи на лингала в текст. Для декодирования с поиском по лучу в репозитории также приведена 4-граммная языковая модель KenLM, построенная по обучающим транскрипциям; параметры alpha и beta рекомендуется настраивать на валидационной выборке. Модель предназначена прежде всего для распознавания речи на лингала, а не для общего многоязычного ASR. Лицензия в предоставленных данных не указана.
Модель ориентирована на лингала и обучалась на данных WaxalNLP lin_asr, поэтому её качество для других языков и вне близких условий не подтверждено. Для декодирования с KenLM требуется настройка параметров на валидационных данных.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
facebook/mms-300m fine-tuned (character CTC head) on WaxalNLP lin_asr for the Waxal ASR challenge. Trained in bf16/fp32 with ctc_zero_infinity=True.
language_model/lm_lin.arpa is a KenLM 4-gram built from the training transcriptions, for beam-search decoding with pyctcdecode (tune alpha/beta on validation).
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…