/ Модель

Характеристики

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

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

Распознавание речиАудио → текст

Модель wav2vec 2.0 Large XLSR-53 для распознавания люксембургской речи с дополнительной переоценкой транскрипций 5-граммной языковой моделью.

16скачиваний за 30 дней7лайковвеса обновлены13 фев 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

Lemswasabi/wav2vec2-large-xlsr-53-842h-luxembourgish-14h-with-lm — модель распознавания речи на архитектуре wav2vec 2.0 Large XLSR-53, дообученная на люксембургской речи. Для адаптации использованы 842 часа неразмеченной речи и 14 часов размеченной речи, собранной RTL.lu; расшифровки дополнительно переоцениваются языковой моделью 5-грамм, обученной на текстовых корпусах той же предметной области.

Модель предназначена для преобразования люксембургской речи в текст, в частности для аудиозаписей из домена RTL.lu. Чекпойнт содержит около 402,7 млн параметров и распространяется в формате PyTorch. Лицензия — MIT.

README не приводит результаты оценки качества и подробные ограничения, поэтому точность на других доменах или условиях записи установить нельзя.

Сценарии применения

  • транскрибация люксембургских аудиозаписей
  • распознавание речи из материалов RTL.lu
  • создание текстовых расшифровок люксембургской речи

Ограничения

Модель дообучена на ограниченных данных из домена RTL.lu, поэтому качество на других темах и условиях записи может отличаться. В README не приведены метрики оценки.

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. Additionally, we rescore the output transcription with a 5-gram language model trained on text corpora 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
7937084

0 моделей