/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

wav2vec2-xlsr-1b-ru

RASMUS
Распознавание речиАудио → текст9 профессий

Русскоязычная модель на базе wav2vec2-xls-r-1b для автоматического преобразования речи в текст.

15скачиваний за 30 дней2лайкавеса обновлены23 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

RASMUS разработал wav2vec2-xlsr-1b-ru — модель распознавания речи на архитектуре Wav2Vec2ForCTC, дообученную на базе facebook/wav2vec2-xls-r-1b на датасете Common Voice. Она преобразует русскую речь в текст и подходит для автоматической расшифровки аудиозаписей. На оценочной выборке указаны Loss 0,1352 и WER 0,0971. Модель содержит 1,3 млрд параметров и распространяется в формате PyTorch. Лицензия в доступных данных не указана.

Сценарии применения

  • расшифровка русскоязычных аудиозаписей
  • автоматическая транскрибация речи
  • получение субтитров из русской речи

Ограничения

В карточке не приведены подробные сведения об условиях применения и ограничениях модели; WER 0,0971 относится только к указанной оценочной выборке.

Для каких профессий подходит9

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.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-xlsr-1b-ru

This model is a fine-tuned version of facebook/wav2vec2-xls-r-1b on the common_voice dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1352
  • Wer: 0.0971

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: 5e-05
  • train_batch_size: 32
  • 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: 500
  • num_epochs: 10
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.54620.355000.40270.3575
0.4980.6910000.25880.2513
0.42791.0415000.22650.2204
0.40991.3820000.21890.1979
0.46881.7325000.21000.1920
0.22412.0730000.19800.1767
0.20562.4235000.20200.1683
0.34232.7640000.18620.1606
0.24783.1145000.17870.1563
0.30793.4550000.17590.1555
0.24773.855000.17130.1423
0.17184.1460000.16950.1391
0.16754.4965000.16770.1372
0.16314.8370000.16520.1333
0.14295.1875000.16050.1308
0.15055.5280000.16120.1245
0.13855.8785000.14870.1225
0.12856.2290000.15260.1201
0.11536.5695000.14640.1172
0.11596.91100000.15050.1143
0.10617.25105000.14440.1106
0.10167.6110000.14270.1075
0.11257.94115000.13860.1045
0.09378.29120000.14030.1022
0.10598.63125000.14060.1022
0.08578.98130000.13720.0992
0.09019.32135000.13800.0977
0.09139.67140000.13520.0971

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.2+cu102
  • Datasets 1.18.3
  • 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
8f9d93c

0 моделей

    Создать бенчмарк