/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense

wav2vec2-xlsr-300M-NPSC-OH

Распознавание речиАудио → текст7 профессий

Дообученная модель Wav2Vec2 для преобразования речи из аудио в текст на данных NBAILAB/NPSC.

16скачиваний за 30 дней0лайковвеса обновлены2 фев 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 эту модель как дообученную версию facebook/wav2vec2-xls-r-300m для автоматического распознавания речи на данных NBAILAB/NPSC — 16K_MP3. Модель построена на архитектуре Wav2Vec2 и использует CTC для преобразования аудио в текст. В метаданных указано 402,7 млн параметров; доступны веса PyTorch.

Модель предназначена для транскрибации речи в аудио. На оценочном наборе указаны Loss 0,1692 и WER 0,1663. Репозиторий распространяется по лицензии Apache-2.0. В карточке нет подробных сведений об условиях записи, поддерживаемых языках и ограничениях точности.

Сценарии применения

  • транскрибация аудиозаписей речи
  • автоматическое распознавание речи на данных NPSC
  • получение текстовой расшифровки из аудио

Ограничения

Карточка не сообщает, какие языки и акустические условия поддерживаются; приведённая оценка WER относится только к указанному оценочному набору.

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-xlsr-300M-NPSC-OH

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the NBAILAB/NPSC - 16K_MP3 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1692
  • Wer: 0.1663

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: 13
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 64
  • 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
3.16380.665003.06861.0
2.93111.3110002.92081.0
2.41751.9715001.50090.9049
1.44422.6320000.44260.3783
1.26243.2825000.31930.2998
1.18893.9430000.28670.2630
1.13154.635000.25660.2444
1.08645.2640000.23680.2294
1.0935.9145000.22400.2151
1.03686.5750000.21170.2056
1.01787.2355000.20200.1954
1.00357.8860000.20050.1924
0.97598.5465000.19710.1863
0.97959.270000.18920.1812
0.96019.8575000.18630.1795
0.967310.5180000.18090.1761
0.923311.1785000.18180.1755
0.938211.8390000.17670.1741
0.924212.4895000.17430.1703
0.970313.14100000.17110.1711
0.913913.8105000.17180.1672
0.907314.45110000.17000.1665

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.1+cu102
  • Datasets 1.18.2.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
df6db09

0 моделей