/ Модель

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2 · dense
Опубликована
21 мая 2022

wav2vec2-large-xlsr-53-842h-luxembourgish-14h

Распознавание речиАудио → текст4 профессии

Модель wav2vec 2.0 XLSR-53 распознаёт люксембургскую речь и преобразует её в текст.

105скачиваний за 30 дней0лайковвеса обновлены8 янв 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.

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

Модель Lemswasabi/wav2vec2-large-xlsr-53-842h-luxembourgish-14h — акустическая модель распознавания речи на базе wav2vec 2.0 Large XLSR-53, дообученная разработчиками на люксембургской речи. Сначала использовано 842 часа неразмеченной речи, собранной RTL.lu, затем модель дообучили на 14 часах размеченной речи из того же источника.

Модель предназначена для преобразования люксембургской речи в текст, в частности для аудио, близкого к домену RTL.lu. Архитектура — Wav2Vec2ForCTC, размер — 402,7 млн параметров; поддерживается входное аудио и задача automatic speech recognition. Репозиторий содержит веса PyTorch.

Модель выпущена по лицензии MIT. Карточка не приводит результаты оценки и подробные сведения об ограничениях, поэтому качество на иных доменах и акустических условиях по имеющимся данным оценить нельзя.

Сценарии применения

  • распознавание люксембургской речи из аудиозаписей
  • транскрибирование радиоэфиров RTL.lu
  • создание текстовых расшифровок люксембургского аудио

Ограничения

Модель дообучалась на данных из домена RTL.lu, поэтому её качество на других источниках речи и акустических условиях не установлено. В карточке нет результатов оценки.

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

Model description

We fine-tuned a wav2vec 2.0 large XLSR-53 checkpoint with 842h of unlabelled Luxembourgish speech collected from RTL.lu. Then the model was fine-tuned on 14h of labelled Luxembourgish speech from the same domain.

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: 7.5e-05
  • train_batch_size: 3
  • eval_batch_size: 3
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 12
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 2000
  • num_epochs: 50.0
  • mixed_precision_training: Native AMP

Framework versions

  • Transformers 4.20.0.dev0
  • Pytorch 1.11.0+cu113
  • Datasets 2.2.1
  • Tokenizers 0.12.1

Citation

This model is a result of our paper IMPROVING LUXEMBOURGISH SPEECH RECOGNITION WITH CROSS-LINGUAL SPEECH REPRESENTATIONS submitted to the IEEE SLT 2022 workshop

@misc{lb-wav2vec2,
  author = {Nguyen, Le Minh and Nayak, Shekhar and Coler, Matt.},
  keywords = {Luxembourgish, multilingual speech recognition, language modelling, wav2vec 2.0 XLSR-53, under-resourced language},
  title = {IMPROVING LUXEMBOURGISH SPEECH RECOGNITION WITH CROSS-LINGUAL SPEECH REPRESENTATIONS},
  year = {2022},
  copyright = {2023 IEEE}
}

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
1642ea8

0 моделей