/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
1 мая 2023

Ссылки

Hugging Face

wav2vec2-large-xls-r-300m-sinhala

IAmNotAnanth
Распознавание речиАудио → текст3 профессии

Дообученная модель Wav2Vec2 для автоматического преобразования речи в текст, предположительно ориентированная на сингальский язык.

77скачиваний за 30 дней1лайквеса обновлены2 мая 2023

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

IAmNotAnanth/wav2vec2-large-xls-r-300m-sinhala — модель автоматического распознавания речи на основе архитектуры Wav2Vec2ForCTC, дообученная автором на базе facebook/wav2vec2-xls-r-300m. Она принимает аудио и предназначена для преобразования речи в текст. Название указывает на настройку для сингальского языка, однако README не содержит сведений о наборе данных и подробно не описывает языковое покрытие.

В репозитории указано 402,7 млн параметров, веса представлены в формате PyTorch. Модель опубликована по лицензии Apache-2.0. В приведённых результатах оценки указаны WER 1,0 и eval_loss 5,4599; этих данных недостаточно, чтобы подтвердить качество распознавания для практических сценариев.

Сценарии применения

  • расшифровка речи на сингальском языке
  • преобразование аудиозаписей в текст
  • экспериментальная оценка распознавания речи на пользовательском наборе данных

Ограничения

README не описывает обучающие данные и практические ограничения; в опубликованных результатах оценки WER равен 1,0, что указывает на крайне низкое качество на приведённом evaluation set. Языковая ориентация на сингальский следует из названия модели, а не из описания карточки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.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 923модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xls-r-300m-sinhala

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the None dataset. It achieves the following results on the evaluation set:

  • eval_loss: 5.4599
  • eval_wer: 1.0
  • eval_runtime: 185.9221
  • eval_samples_per_second: 6.729
  • eval_steps_per_second: 0.844
  • epoch: 2.53
  • step: 100

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: 0.0003
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 30

Framework versions

  • Transformers 4.28.1
  • Pytorch 2.0.0+cu118
  • Datasets 1.18.3
  • Tokenizers 0.13.3

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
87085cd

0 моделей

    Создать бенчмарк