/ Модель

Характеристики

Параметры
1,3 млрд
Лицензия
CC BY-NC 4.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-fleur-mms-batch6-epoch16
Опубликована
3 дек 2023

wav2vec2-fleur-mms-batch6-epoch24-finetunning-3

Распознавание речиАудио → текст7 профессий

Дообученная модель Wav2Vec2 для автоматического преобразования речи из аудио в текст.

10скачиваний за 30 дней0лайковвеса обновлены3 дек 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

wav2vec2-fleur-mms-batch6-epoch24-finetunning-3 — модель распознавания речи на базе архитектуры Wav2Vec2ForCTC, дообученная Nachuwu от Nachuwu/wav2vec2-fleur-mms-batch6-epoch16 на датасете audiofolder. Модель принимает аудио и преобразует речь в текст; в метаданных указано 1,3 млрд параметров.

В README приведены результаты оценки: loss 1,3000 и WER 0,6017. Модель может применяться для транскрибирования аудиозаписей. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

  • транскрибирование записей речи
  • распознавание речи в аудиофайлах
  • получение текстовой расшифровки аудиоданных

Ограничения

На оценочном наборе указана высокая ошибка распознавания: WER 0,6017; качество на других данных не приведено. Лицензия запрещает коммерческое использование.

Для каких профессий подходит7

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

wav2vec2-fleur-mms-batch6-epoch24-finetunning-3

This model is a fine-tuned version of Nachuwu/wav2vec2-fleur-mms-batch6-epoch16 on the audiofolder dataset. It achieves the following results on the evaluation set:

  • Loss: 1.3000
  • Wer: 0.6017

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: 0.001
  • train_batch_size: 6
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 24
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
5.44972.381001.69880.7297
1.39914.762001.38380.6394
1.23527.143001.34240.6124
1.16879.524001.32950.6138
1.124111.95001.31260.6067
1.090814.296001.31620.6031
1.082416.677001.30590.6017
1.051219.058001.30270.5989
1.025821.439001.29900.6031
1.037623.8110001.30000.6017

Framework versions

  • Transformers 4.36.0.dev0
  • Pytorch 2.1.0+cu118
  • Datasets 2.15.0
  • Tokenizers 0.15.0

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
b161f18

0 моделей