/ Модель
Каталог

Характеристики

Параметры
1,3 млрд
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
2 мар 2022

Ссылки

Hugging Face

wav2vec2-xls-r-1b-npsc-bokmaal

NbAiLab
Распознавание речиАудио → текст8 профессий

Дообученная wav2vec2-модель NbAiLab для транскрибации норвежской речи на букмоле.

21скачиваний 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.

Открыть конструктор бенчмарка

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/wav2vec2-xls-r-1b-npsc-bokmaal — дообученная модель распознавания речи на базе facebook/wav2vec2-xls-r-1b, созданная NbAiLab на датасете NbAiLab/NPSC, подвыборке 16K_mp3_bokmaal. Модель использует архитектуру wav2vec2 с CTC-декодированием, принимает аудио и преобразует речь в текст. В метаданных указано 1,3 млрд параметров; веса представлены в формате PyTorch.

Модель предназначена для автоматической транскрипции речи на норвежском букмоле. Для оценки на тестовой выборке автор приводит WER 0,0966 и loss 0,1598. Лицензия — Apache-2.0. Подробности о других условиях записи, поддерживаемых языках и ограничениях применения в карточке не приведены.

Сценарии применения

  • транскрибация записей на норвежском букмоле
  • распознавание речи в аудиозаписях
  • создание текстовых расшифровок речи для последующего поиска

Ограничения

Модель настроена на букмол и обучена на конкретной подвыборке датасета NPSC, поэтому качество на других языках и акустических условиях не подтверждено. Автор приводит WER 0,0966 на оценочной выборке, но подробности протокола оценки не указаны.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-xls-r-1b-npsc

This model is a fine-tuned version of facebook/wav2vec2-xls-r-1b on the NbAiLab/NPSC (16K_mp3_bokmaal) dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1598
  • WER: 0.0966

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: 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: 15.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.83610.325000.63040.4970
0.57030.6410000.31950.2775
0.54510.9715000.27000.2246
0.471.2920000.25640.2329
0.40631.6125000.24590.2099
0.3741.9330000.21750.1894
0.32972.2635000.20360.1755
0.31452.5840000.19570.1757
0.39892.945000.19230.1723
0.2713.2250000.18890.1649
0.27583.5555000.17680.1588
0.26833.8760000.17200.1534
0.23414.1965000.16890.1471
0.23164.5170000.17060.1405
0.23834.8475000.16370.1426
0.21485.1680000.15840.1347
0.20855.4885000.16010.1387
0.29445.890000.15660.1294
0.19446.1395000.14940.1271
0.18536.45100000.15610.1247
0.2356.77105000.14610.1215
0.22867.09110000.14470.1167
0.17817.41115000.15020.1199
0.17147.74120000.14250.1179
0.17258.06125000.14270.1173
0.1438.38130000.14480.1142
0.1548.7135000.13920.1104
0.14479.03140000.14040.1094
0.14719.35145000.14040.1088
0.14799.67150000.14140.1133
0.16079.99155000.14580.1171
0.16610.32160000.16520.1264
0.18810.64165000.17130.1322
0.146110.96170000.14230.1111
0.128911.28175000.13880.1097
0.127311.61180000.14380.1074
0.131711.93185000.13120.1066
0.144812.25190000.14460.1042
0.142412.57195000.13860.1015
0.139212.89200000.13790.1005
0.140813.22205000.14080.0992
0.123913.54210000.13380.0968
0.124413.86215000.13350.0957
0.125414.18220000.13820.0950
0.159714.51225000.15440.0970
0.156614.83230000.15890.0963

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.2+cu113
  • Datasets 1.18.3.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
3b0fa4c

0 моделей

    Создать бенчмарк