/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
20 июл 2023

ASR-Somali

Распознавание речиАудио → текст4 профессии

ASR-Somali — дообученная модель Wav2Vec2 для распознавания сомалийской речи и преобразования её в текст.

61 427скачиваний за 30 дней3лайкавеса обновлены21 июл 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

ASR-Somali — модель распознавания речи на основе архитектуры Wav2Vec2ForCTC с 402,7 млн параметров. Она создана дообучением facebook/wav2vec2-large-xlsr-53 и предназначена для преобразования сомалийской речи в текст.

В карточке приведены результаты оценки: потеря 0,3660 и WER 0,3060. Модель принимает аудио и выдаёт текст; репозиторий содержит веса PyTorch. Лицензия — Apache-2.0. Подробности о данных обучения и ограничениях в карточке не раскрыты.

Сценарии применения

  • транскрибация аудиозаписей на сомалийском языке
  • распознавание сомалийской речи в голосовых сообщениях
  • создание текстовых субтитров для сомалийского аудио

Ограничения

На оценочном наборе указан WER 0,3060; подробности о составе и репрезентативности набора не приведены. Описание ограничений и обучающих данных в карточке отсутствует.

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

ASR-Somali

This model is a fine-tuned version of facebook/wav2vec2-large-xlsr-53 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3660
  • Wer: 0.3060

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: 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: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
3.14352.094000.76240.7706
0.58294.188000.36460.3935
0.36346.2712000.33180.3944
0.29428.3616000.31480.3403
0.241910.4420000.30000.3255
0.210412.5324000.29510.3312
0.186414.6228000.32960.3083
0.166616.7132000.32640.3153
0.14818.836000.31880.3028
0.130520.8940000.34480.3002
0.120622.9844000.36600.3060

Framework versions

  • Transformers 4.28.0
  • Pytorch 2.0.0
  • Datasets 1.18.3
  • Tokenizers 0.13.3

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
fc2e79f

0 моделей