/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
13 мая 2022

filipino-wav2vec2-l-xls-r-300m-official

Распознавание речиАудио → текст4 профессии

Дообученная на filipino_voice модель Wav2Vec2 для распознавания филиппинской речи и преобразования аудио в текст.

1 млнскачиваний за 30 дней7лайковвеса обновлены13 мая 2022

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.

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

Khalsuu/filipino-wav2vec2-l-xls-r-300m-official — модель распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m на наборе данных filipino_voice. Она использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров. Модель предназначена для преобразования аудиозаписей на филиппинском языке в текст.

В карточке приведены результаты оценки на тестовой выборке: loss 0,4672 и WER 0,2922. Указана лицензия Apache-2.0. Описание не содержит сведений о дополнительных сценариях использования или других языках.

Сценарии применения

  • расшифровка речи на филиппинском языке
  • создание текстовых транскриптов филиппиноязычных аудиозаписей
  • автоматическое распознавание филиппинской речи

Ограничения

На тестовой выборке указан WER 0,2922; качество может зависеть от аудиозаписи и отличаться для других данных. Карточка не описывает ограничения и условия записи подробнее.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

filipino-wav2vec2-l-xls-r-300m-official

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

  • Loss: 0.4672
  • Wer: 0.2922

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

Training results

Training LossEpochStepValidation LossWer
3.36712.094000.55840.5987
0.484.198000.42440.4195
0.27966.2812000.37420.3765
0.19168.3816000.42910.3667
0.146310.4720000.37450.3415
0.116512.5724000.44720.3407
0.095514.6628000.42690.3290
0.082316.7532000.46080.3475
0.070918.8536000.47060.3281
0.060320.9440000.43800.3183
0.052723.0444000.44730.3067
0.044925.1348000.45500.3029
0.04127.2352000.46710.3020
0.035829.3256000.46720.2922

Framework versions

  • Transformers 4.11.3
  • Pytorch 1.10.0+cu113
  • Datasets 1.18.3
  • Tokenizers 0.10.3

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
06e33a5

0 моделей