/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-xls-r-300m
Опубликована
2 июл 2024

Ссылки

Hugging Face

wav2vec2-large-xls-r-300m-lg-cv-130hr-v1

KasuleTrevor
Распознавание речиАудио → текст

Дообученная модель Wav2Vec2 для преобразования речи в аудио в текст.

4скачиваний за 30 дней0лайковвеса обновлены3 июл 2024

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

wav2vec2-large-xls-r-300m-lg-cv-130hr-v1 — модель автоматического распознавания речи, дообученная на основе facebook/wav2vec2-xls-r-300m. Она принимает аудио и преобразует речь в текст; архитектура использует Wav2Vec2ForCTC, число параметров — около 402,7 млн. Датасет обучения и целевые языки в карточке не описаны.

В карточке приведены результаты оценки: WER 0,2092 и CER 0,0456. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Поскольку язык и условия записи для оценки не указаны, эти метрики не позволяют оценить качество на конкретных аудиозаписях.

Сценарии применения

  • транскрибирование аудиозаписей речи
  • распознавание произнесённых фраз
  • получение текстовой расшифровки аудио

Ограничения

Датасет обучения и целевые языки не указаны, поэтому область применимости и качество для конкретных языков неизвестны. Метрики WER и CER приведены без описания набора и условий оценки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xls-r-300m-lg-cv-130hr-v1

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4019
  • Wer: 0.2092
  • Cer: 0.0456

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: 0.0001
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
0.73251.051940.27600.34410.0731
0.20562.0103880.25070.28350.0629
0.17443.0155820.24140.27210.0605
0.1554.0207760.23590.26180.0584
0.1435.0259700.23540.25770.0575
0.1316.0311640.24000.25510.0570
0.12087.0363580.24600.24820.0555
0.11028.0415520.25530.24390.0548
0.10019.0467460.24410.24550.0547
0.089810.0519400.24630.24230.0543
0.079511.0571340.25770.24000.0528
0.070112.0623280.26770.23740.0522
0.060913.0675220.27410.24050.0527
0.053814.0727160.29330.23960.0523
0.047115.0779100.30960.23520.0517
0.041616.0831040.31650.23110.0503
0.037417.0882980.32940.23280.0505
0.033518.0934920.34140.23250.0501
0.030119.0986860.33790.22550.0487
0.027620.01038800.35780.22200.0482
0.025321.01090740.37010.21810.0476
0.023622.01142680.37690.21810.0474
0.021723.01194620.38080.21550.0470
0.020424.01246560.39170.21240.0464
0.019325.01298500.39630.21100.0459
0.018426.01350440.39560.21110.0458
0.017427.01402380.40460.21090.0459
0.017428.01454320.39970.20960.0457
0.016929.01506260.40140.20930.0456
0.017130.01558200.40190.20920.0456

Framework versions

  • Transformers 4.42.3
  • Pytorch 2.2.0+cu121
  • Datasets 2.20.0
  • Tokenizers 0.19.1

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
07ad222

0 моделей

    Создать бенчмарк