/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense

Ссылки

Hugging Face

xls-r-300m-npsc-4

Rolv-Arild
Распознавание речиАудио → текст7 профессий

Дообученная на NBAILAB/NPSC модель wav2vec2 для преобразования речи в аудио в текст.

18скачиваний за 30 дней0лайковвеса обновлены4 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.

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

Rolv-Arild/xls-r-300m-npsc-4 — модель автоматического распознавания речи, разработанная путём дообучения facebook/wav2vec2-xls-r-300m на наборе NBAILAB/NPSC - 16K_MP3. Она использует архитектуру wav2vec2 с CTC-декодированием, принимает аудио и преобразует речь в текст. На оценочном наборе указаны loss 0,1957 и WER 0,1697. Модель предназначена для распознавания речи в сценариях, соответствующих данным NPSC; подробности о целевых условиях применения в карточке не приведены. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0.

Сценарии применения

  • распознавание речи в аудиозаписях набора NPSC
  • автоматическая транскрипция речи
  • получение текстовой расшифровки из аудиофайлов

Ограничения

В карточке не описаны ограничения и подробности условий применения. Указанный WER 0,1697 относится к оценочному набору; переносимость результата на другие аудиоданные не установлена.

Для каких профессий подходит7

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.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

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: 0.1957
  • Wer: 0.1697

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: 42
  • 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: 20.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
4.45270.282504.01441.0
3.18280.565003.13691.0
2.99270.857503.01831.0
2.95911.1310002.99911.0
2.89891.4112502.90001.0000
2.42861.6915001.76880.9550
1.67651.9817500.68420.4855
1.45212.2620000.50960.3736
1.35892.5422500.44790.3335
1.31362.8225000.40560.3123
1.28563.1127500.38700.2987
1.22833.3930000.36460.2828
1.20533.6732500.34990.2748
1.20873.9535000.33450.2603
1.20024.2437500.33200.2523
1.13834.5240000.31170.2439
1.13644.842500.31980.2383
1.1585.0845000.30710.2342
1.1085.3747500.30110.2314
1.10255.6550000.28750.2289
1.06975.9352500.29260.2256
1.09046.2155000.26950.2245
1.08026.557500.26020.2189
1.08826.7860000.26030.2168
1.08817.0662500.25400.2293
1.03787.3465000.26140.2193
1.03977.6367500.27070.2104
1.02967.9170000.24830.2119
1.02498.1972500.24830.2047
1.0138.4775000.24870.2042
1.00648.7677500.24560.2016
1.06689.0480000.23970.1995
1.01299.3282500.23740.1994
1.01649.685000.22060.1992
0.9759.8987500.22470.1973
0.984910.1790000.23250.1953
0.982610.4592500.23010.1934
0.983510.7395000.21920.1942
0.967611.0297500.22660.1913
0.962711.3100000.21930.1921
0.97611.58102500.23090.1882
0.96911.86105000.22680.1886
0.961112.15107500.23220.1863
0.939712.43110000.21970.1844
0.960112.71112500.22110.1871
0.971812.99115000.20790.1898
0.934713.28117500.20540.1843
0.937713.56120000.20310.1842
0.93413.84122500.20590.1806
0.929514.12125000.21220.1861
0.93514.41127500.20720.1787
0.902114.69130000.21050.1781
0.919314.97132500.20350.1786
0.921415.25135000.20350.1766
0.904815.54137500.19640.1758
0.900615.82140000.19840.1757
0.902716.1142500.20220.1743
0.908316.38145000.19690.1744
0.976116.67147500.19630.1728
0.931116.95150000.19600.1737
0.88617.23152500.19290.1726
0.896917.51155000.19280.1734
0.908417.8157500.19370.1713
0.879518.08160000.19780.1709
0.888318.36162500.19560.1703
0.890118.64165000.19330.1705
0.892218.93167500.19620.1711
0.876519.21170000.19620.1711
0.899219.49172500.19650.1703
0.877819.77175000.19570.1699

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.0+cu113
  • Datasets 1.18.1
  • 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
00a6ac8

0 моделей

    Создать бенчмарк