/ Модель

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2-bert · dense
Базовая модель
w2v-bert-2.0
Опубликована
27 июн 2024

testing_tensorboard_w_new_access_token

Распознавание речиАудио → текст3 профессии

Дообученная на Common Voice 17.0 модель Wav2Vec2-BERT для преобразования аудиоречи в текст.

15скачиваний за 30 дней6лайковвеса обновлены28 июн 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.

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

LevonHakobyan выпустил модель распознавания речи на основе facebook/w2v-bert-2.0, дообученную на датасете Common Voice 17.0. Это архитектура Wav2Vec2-BERT с плотными весами и головой CTC; размер модели — 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст. Карточка не сообщает языки, на которых проводилось дообучение, или длину аудиозаписей, поэтому эти характеристики не уточняются. Лицензия — MIT.

На приведённом в карточке наборе оценки модель получила WER 1,0 и CER 0,9653, что указывает на очень высокую долю ошибок и ограниченную пригодность для практического распознавания без дополнительной проверки и дообучения.

Сценарии применения

  • экспериментальная расшифровка аудиозаписей
  • оценка качества дообучения модели распознавания речи
  • прототипирование систем распознавания речи на базе Wav2Vec2-BERT

Ограничения

На указанном оценочном наборе WER составляет 1,0, а CER — 0,9653, что свидетельствует о крайне низком качестве распознавания. Языки и условия записи для оценки в карточке не приведены.

Для каких профессий подходит3

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

testing_tensorboard_w_new_access_token

This model is a fine-tuned version of facebook/w2v-bert-2.0 on the common_voice_17_0 dataset. It achieves the following results on the evaluation set:

  • Loss: 3.1867
  • Wer: 1.0
  • Cer: 0.9653

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
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: constant
  • num_epochs: 10
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
3.31140.61542003.20301.01.0
3.17971.23084003.19731.01.0
3.17911.84626003.18991.01.0
3.17672.46158003.17871.01.0
3.16813.076910003.18701.00.9987
3.17833.692312003.19960.99980.9822
3.1674.307714003.17261.01.0
3.1714.923116003.17431.00.9653
3.16545.538518003.19261.00000.9487
3.17146.153820003.17001.00.9653
3.16386.769222003.16881.00.9653
3.1647.384624003.19341.00000.9487
3.17298.026003.16891.00.9653
3.16528.615428003.16601.00.9653
3.15699.230830003.18901.00000.9487
3.16399.846232003.18671.00.9653

Framework versions

  • Transformers 4.41.2
  • Pytorch 2.3.0+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
Wav2Vec2BertForCTC
Ревизия весов
a7c87c9

0 моделей