xls-r-300m-npsc-2
Модель wav2vec2/XLS-R для автоматической транскрибации норвежской речи, дообученная на материалах парламентских выступлений.
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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
Rolv-Arild/xls-r-300m-npsc-2 — модель автоматического распознавания речи на базе архитектуры wav2vec2, разработанная пользователем Rolv-Arild и представленная на Hugging Face. Модель относится к семейству XLS-R и имеет около 402,7 млн параметров; её назначение — преобразование норвежской речи в текст, в частности для материалов Norwegian Parliamentary Speech Corpus (NPSC). Модель поддерживает pipeline automatic-speech-recognition и использует библиотеки Transformers и PyTorch.
Сильная сторона модели — специализация на распознавании норвежской речи после дообучения на парламентских аудиозаписях. Она предназначена прежде всего для транскрибации норвежских выступлений и других близких по акустике и тематике записей. Точная лицензия модели и длина контекста по доступным данным не установлены; для практического применения следует учитывать возможное снижение качества на других языках, диалектах, шумных записях и аудио, отличающемся от обучающего домена.
Сценарии применения
- транскрибация заседаний норвежского парламента
- распознавание норвежских публичных выступлений
- создание субтитров для норвежскоязычных видеозаписей
- подготовка текстовых протоколов аудиозаписей
- автоматическая расшифровка норвежских интервью
Ограничения
Модель специализирована на норвежской речи и может хуже работать на других языках, диалектах, шумных записях и аудио, не похожем на парламентские выступления. Лицензия и точные условия использования по доступным данным не установлены.
Для каких профессий подходит5
Разделы каталога профессий, в задачах которых используется эта модель
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Автор не опубликовал карточку модели.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Wav2Vec2ForCTC
- Ревизия весов
- 008c3ba