/ Модель

Характеристики

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

wav2vec2-large-voxrex-npsc-nynorsk

Распознавание речиАудио → текст9 профессий

Модель Wav2Vec2 для преобразования норвежской речи на нюнорске в текст.

20скачиваний за 30 дней0лайковвеса 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

NbAiLab разработала wav2vec2-large-voxrex-npsc-nynorsk — модель распознавания речи, дообученную на наборе NBAILAB/NPSC 16K_MP3_NYNORSK. Она принимает аудио и преобразует речь в текст, с акцентом на норвежский нюнорск. Модель основана на архитектуре Wav2Vec2 с CTC-декодированием и содержит 402,7 млн параметров.

На оценочном наборе указаны значения Loss 0,4142 и WER 0,1576. Модель подходит для транскрибации записей на нюнорске; данные карточки не описывают ограничения по условиям записи или устойчивости к шуму. Веса опубликованы в формате PyTorch по лицензии Apache 2.0.

Сценарии применения

  • транскрибация записей на норвежском нюнорске
  • распознавание речи в аудиозаписях
  • создание текстовых расшифровок для голосовых материалов

Ограничения

В карточке не описаны устойчивость к шуму, поддерживаемые условия записи и ограничения оценки; приведённый WER относится только к указанному оценочному набору.

Для каких профессий подходит9

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-large-voxrex-npsc-nynorsk

This model is a fine-tuned version of KBLab/wav2vec2-large-voxrex on the NBAILAB/NPSC - 16K_MP3_NYNORSK dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4142
  • Wer: 0.1576

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: 7.5e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • 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: 2000
  • num_epochs: 40.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
3.0862.175003.07731.0
2.85324.3510002.83931.0
0.97386.5215000.72830.4890
0.67638.720000.53400.3662
0.530310.8725000.45210.3140
0.476513.0430000.41810.2853
0.421915.2235000.41560.2934
0.356417.3940000.39250.2509
0.328219.5745000.38240.2420
0.311821.7450000.36360.2354
0.291923.9155000.36150.2281
0.296126.0960000.35480.2255
0.28428.2665000.35260.2209
0.256630.4370000.35260.2205
0.242232.6175000.35690.2173
0.247234.7880000.35920.2166
0.233736.9685000.36250.2172
0.231539.1390000.35800.2155

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.0+cu113
  • Datasets 1.18.3
  • Tokenizers 0.10.3

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
086f0a8

0 моделей