/ Модель

Характеристики

Параметры
403 млн
Архитектура
wav2vec2 · dense
Опубликована
1 ноя 2023

URDU-ASR

Распознавание речиАудио → текст

Модель Wav2Vec2 для преобразования речи на урду в текст.

6скачиваний за 30 дней0лайковвеса обновлены5 ноя 2023

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

URDU-ASR — модель автоматического распознавания речи на архитектуре Wav2Vec2ForCTC с 402,7 млн параметров, разработанная владельцем репозитория Shehryar718 и обученная с нуля на наборе Common Voice 13.0. Она преобразует аудио на урду в текст и предназначена для распознавания речи в записях и голосовых сообщениях.

На оценочном наборе указаны WER 0,4968 и CER 0,2099. Эти показатели описывают результаты конкретной оценки и не гарантируют такую же точность на других данных. Модель распространяется в форматах PyTorch и Safetensors; сведения о лицензии в использованных источниках отсутствуют.

Сценарии применения

  • расшифровка записей речи на урду
  • распознавание голосовых сообщений на урду
  • подготовка текстовых транскриптов аудио на урду

Ограничения

На оценочном наборе указаны WER 0,4968 и CER 0,2099; точность на других типах записей может отличаться. Лицензия и подробности об ограничениях в использованных источниках не приведены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

URDU-ASR

This model was trained from scratch on the common_voice_13_0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6632
  • Wer: 0.4968
  • Cer: 0.2099

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: 0.0003
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.85,0.9) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 5
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
1.96251.03410.73710.53480.2190
0.21562.06830.70570.51030.2169
0.24513.010240.66540.51610.2214
0.1994.013660.67070.50890.2153
0.16574.9917050.66320.49680.2099

Framework versions

  • Transformers 4.35.0
  • Pytorch 2.1.0+cu118
  • Datasets 2.14.6
  • Tokenizers 0.14.1

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
f3b7c54

0 моделей