/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
2 мар 2022

xls-r-hausa-40

Распознавание речиАудио → текст5 профессий

Модель на базе wav2vec2 для преобразования речи на хауса в текст.

21скачиваний за 30 дней1лайквеса обновлены24 мар 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

Mofe/xls-r-hausa-40 — модель распознавания речи, разработанная на основе facebook/wav2vec2-xls-r-300m и дообученная на наборе MOZILLA-FOUNDATION/COMMON_VOICE_8_0 для хауса. Она использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров. Модель принимает аудио и преобразует речь на хауса в текст.

На оценочной выборке указаны Loss 0,4998 и WER 0,5153. Модель опубликована под лицензией Apache-2.0. Результаты на этой выборке не гарантируют такого же качества на других записях; подробные сведения об ограничениях и условиях эксплуатации в карточке не приведены.

Сценарии применения

  • транскрибация записей на хауса
  • распознавание речи на хауса в аудиофайлах
  • подготовка текстовых субтитров для речи на хауса

Ограничения

На оценочной выборке указана WER 0,5153, поэтому ошибки распознавания могут быть частыми. Качество на других данных зависит от условий записи и не описано в карточке.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - HA dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4998
  • Wer: 0.5153

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: 9.6e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 2000
  • num_epochs: 80.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
3.00218.335002.90591.0
2.660416.6610002.64020.9892
1.221624.9915000.60510.6851
1.075433.3320000.54080.6464
0.958241.6625000.55210.5935
0.865349.9930000.51560.5550
0.786758.3335000.54390.5606
0.726566.6640000.48630.5255
0.669974.9945000.50500.5169

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.2+cu113
  • Datasets 1.18.4.dev0
  • Tokenizers 0.11.0

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
a5ce83d

0 моделей