/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
asr-amharic-phoneme-based-37-6
Библиотека
transformers
Опубликована
21 сен 2024

geez-asr

Распознавание речиАудио → текст4 профессии

Дообученная wav2vec2-модель для преобразования амхарской речи из аудио в текст.

10скачиваний за 30 дней0лайковвеса обновлены27 сен 2024

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

geez-asr — модель автоматического распознавания амхарской речи, разработанная как дообученная версия Samuael/asr-amharic-phoneme-based-37-6 на наборе данных alffa_amharic. Она использует архитектуру wav2vec2 с декодированием CTC и содержит около 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст; карточка сообщает о результатах оценки: WER 0,1471 и CER 0,0405.

Модель предназначена для распознавания амхарской речи в аудиозаписях. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация записей на амхарском языке
  • распознавание амхарской речи в аудиофайлах
  • создание текстовых расшифровок амхарских высказываний

Ограничения

Карточка содержит только метрики оценки и не описывает подробные ограничения или условия применения; указанный WER на оценочном наборе составляет 0,1471, поэтому качество на других данных может отличаться.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

geez-asr

This model is a fine-tuned version of Samuael/asr-amharic-phoneme-based-37-6 on the alffa_amharic dataset. It achieves the following results on the evaluation set:

  • eval_loss: 0.1275
  • eval_wer: 0.1471
  • eval_phoneme_cer: 0.0287
  • eval_cer: 0.0405
  • eval_runtime: 34.6716
  • eval_samples_per_second: 18.17
  • eval_steps_per_second: 2.279
  • epoch: 10.2915
  • step: 46600

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: 3e-05
  • train_batch_size: 8
  • 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: 100
  • num_epochs: 20
  • mixed_precision_training: Native AMP

Framework versions

  • Transformers 4.45.0
  • Pytorch 2.4.1+cu121
  • Datasets 3.0.0
  • Tokenizers 0.20.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
6fe8276

0 моделей