/ Модель

Характеристики

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

wav2vec2-xls-r-300m-ca

Распознавание речиАудио → текст7 профессий

Дообученная модель wav2vec 2.0 XLS-R для преобразования каталанской речи в текст.

25скачиваний за 30 дней1лайквеса обновлены29 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

Модель PereLluis13/wav2vec2-xls-r-300m-ca — версия wav2vec 2.0 XLS-R, дообученная на распознавание каталанской речи. Её подготовил PereLluis13 на основе facebook/wav2vec2-xls-r-300m с использованием данных Common Voice 8.0 для каталанского языка, tv3_parla и parlament_parla. Архитектура — Wav2Vec2ForCTC; в репозитории указано около 402,7 млн параметров, веса представлены в формате PyTorch.

Модель принимает аудио и преобразует речь в текст. В README приведён результат оценки WER 0,1499 на тестовых наборах трёх использованных корпусов. Она предназначена прежде всего для распознавания каталанской речи; на диалектах с меньшим объёмом обучающих данных может работать хуже. Также возможны смещения и особенности, унаследованные от краудсорсинговых и парламентских данных. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация речи на каталанском языке
  • распознавание речи из записей и аудиофайлов
  • создание субтитров к каталанским видео
  • расшифровка парламентских выступлений на каталанском
  • подготовка текстовых транскриптов для медиаконтента

Ограничения

Модель может хуже распознавать каталанские диалекты, представленные меньшим объёмом данных. Возможны смещения и особенности, обусловленные обучающими данными.

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-xls-r-300m-ca

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - CA, the tv3_parla and parlament_parla datasets. It achieves the following results on the evaluation set (for the three datasets):

  • Loss: 0.2472
  • Wer: 0.1499

Model description

Please check the original facebook/wav2vec2-xls-r-1b Model card. This is just a finetuned version of that model.

Intended uses & limitations

As any model trained on crowdsourced data, this model can show the biases and particularities of the data and model used to train this model. Moreover, since this is a speech recognition model, it may underperform for some lower-resourced dialects for the catalan language.

Training and evaluation data

More information needed

Training procedure

The data is preprocessed to remove characters not on the catalan alphabet. Moreover, numbers are verbalized using code provided by @ccoreilly, which can be found on the text/ folder or here.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 7.5e-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 2000
  • num_epochs: 18.0
  • mixed_precision_training: Native AMP

Training results

Check the Tensorboard tab to check the training profile and evaluation results along training. The model was evaluated on the test splits for each of the datasets used during training.

Training LossEpochStepValidation LossWer
6.20990.095003.41251.0
2.99610.1810002.92241.0
2.21470.2615000.65210.5568
1.30170.3520000.31530.2761
1.11960.4425000.24440.2367
1.07120.5330000.23240.2132
1.0520.6235000.21730.2032
1.28132.1340000.33260.2099
1.23652.445000.32240.2003
1.21932.6650000.31980.1957
1.20722.9355000.30630.1933
1.2133.260000.30510.1980
1.20743.4665000.30120.1879
1.19183.7370000.29470.1829
1.18934.075000.28950.1807
1.17514.2680000.28780.1776
1.16284.5385000.28350.1731
1.15774.7990000.28160.1761
1.14485.0695000.27570.1740
1.14075.33100000.27680.1798
1.14015.59105000.27800.1816
1.13335.86110000.27480.1750
1.15716.13115000.28080.1708
1.15056.39120000.27260.1692
1.15196.66125000.27490.1654
1.1366.93130000.27650.1643
1.13267.19135000.27060.1668
1.13427.46140000.26650.1638
1.12867.72145000.26690.1636
1.12437.99150000.26190.1623
1.11738.26155000.26520.1604
1.11298.52160000.26100.1598
1.10918.79165000.26080.1584
1.10539.06170000.26330.1664
1.10049.32175000.25940.1662
1.09959.59180000.26230.1569
1.09649.86185000.26240.1597
1.0910.12190000.25770.1578
1.08910.39195000.25740.1531
1.086410.66200000.25560.1546
1.080610.92205000.25480.1583
1.084211.19210000.25500.1542
1.080511.45215000.25610.1524
1.072211.72220000.25400.1566
1.076311.99225000.25490.1572
1.083512.25230000.25860.1521
1.088312.52235000.25830.1519
1.088812.79240000.25510.1582
1.093313.05245000.26280.1537
1.079913.32250000.26000.1508
1.080413.59255000.26200.1475
1.081413.85260000.25370.1517
1.069314.12265000.25600.1542
1.072414.38270000.25400.1574
1.070414.65275000.25480.1626
1.072914.92280000.25480.1601
1.072415.18285000.25110.1512
1.065515.45290000.24980.1490
1.060815.98300000.24870.1481
1.054116.52310000.24680.1504
1.058417.05320000.24670.1493
1.050717.58330000.24810.1517

Framework versions

  • Transformers 4.16.0.dev0
  • Pytorch 1.10.1+cu102
  • Datasets 1.18.3
  • Tokenizers 0.11.0

Thanks

Want to thank both @ccoreilly and @gullabi who have contributed with their own resources and knowledge into making this model possible.

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
a7ec237

0 моделей