/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-xls-r-300m
Опубликована
15 апр 2024

Ссылки

Hugging Face

wav2vec2-large-xls-r-300m-sinhala-original-split-part4-epoch30-final

SpideyDLK
Распознавание речиАудио → текст5 профессий

Дообученная wav2vec 2.0 модель для распознавания речи на сингальском языке.

10скачиваний за 30 дней0лайковвеса обновлены15 апр 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.

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

Модель SpideyDLK/wav2vec2-large-xls-r-300m-sinhala-original-split-part4-epoch30-final — дообученная версия facebook/wav2vec2-xls-r-300m для автоматического распознавания речи. Она использует архитектуру Wav2Vec2ForCTC и принимает аудио, выдавая текстовую транскрипцию. В README приведены результаты оценки: loss 0,1837 и WER 0,1334; датасет и условия оценки не описаны, поэтому эти показатели нельзя напрямую переносить на другие данные. Репозиторий содержит веса в формате safetensors, размер модели — около 402,7 млн параметров. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация речи на сингальском языке
  • преобразование аудиозаписей на сингальском в текст
  • распознавание сингальской речи для субтитров
  • автоматическая расшифровка сингальских речевых записей

Ограничения

Датасет обучения, условия оценки и заявленные ограничения в README не описаны; показатель WER 0,1334 относится только к указанному оценочному набору. Модель ориентирована на сингальскую речь, поэтому качество для других языков не установлено.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xls-r-300m-sinhala-original-split-part4-epoch30-final

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1837
  • Wer: 0.1334

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=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 30

Training results

Training LossEpochStepValidation LossWer
6.01130.474003.40401.0
1.36420.938000.53730.6817
0.48911.412000.29620.4354
0.4021.8716000.27170.3688
0.32092.3420000.20880.3262
0.29932.824000.19090.2587
0.26133.2728000.18730.2502
0.23813.7432000.17630.2310
0.22244.2136000.18120.2142
0.20474.6740000.16930.2089
0.19375.1444000.17530.2085
0.18085.6148000.17180.2153
0.17116.0752000.18870.2206
0.15686.5456000.17690.2111
0.1617.0160000.17010.2132
0.13917.4864000.20010.2196
0.14477.9468000.17490.2047
0.12378.4172000.18330.2081
0.1298.8876000.17890.1993
0.11559.3580000.17560.1838
0.11689.8184000.17440.1913
0.108910.2888000.16890.1793
0.110910.7592000.17470.1785
0.098711.2196000.16670.1769
0.099811.68100000.16030.1715
0.09412.15104000.16490.1668
0.094212.62108000.16540.1719
0.091213.08112000.18400.1719
0.08513.55116000.18120.1778
0.079814.02120000.17440.1704
0.076214.49124000.19680.1702
0.07814.95128000.18970.1726
0.071715.42132000.17950.1769
0.075315.89136000.19400.1704
0.071816.36140000.19440.1632
0.067116.82144000.17310.1588
0.065617.29148000.19990.1713
0.062617.76152000.18440.1655
0.061718.22156000.19200.1621
0.061318.69160000.18560.1611
0.057619.16164000.17940.1573
0.059219.63168000.19490.1558
0.055120.09172000.18500.1551
0.052620.56176000.18690.1504
0.052121.03180000.18910.1504
0.049721.5184000.19090.1536
0.047521.96188000.17680.1510
0.045522.43192000.19630.1543
0.047222.9196000.18370.1506
0.047423.36200000.18420.1498
0.041223.83204000.18170.1461
0.042124.3208000.18310.1446
0.03924.77212000.18570.1447
0.038625.23216000.18240.1415
0.038225.7220000.18160.1397
0.034126.17224000.18390.1423
0.033326.64228000.18460.1416
0.033127.1232000.18570.1436
0.031927.57236000.18910.1396
0.032928.04240000.18660.1356
0.03128.5244000.18640.1366
0.029628.97248000.18600.1357
0.029829.44252000.18360.1342
0.027829.91256000.18370.1334

Framework versions

  • Transformers 4.37.0
  • Pytorch 2.1.2
  • Datasets 2.18.0
  • Tokenizers 0.15.1

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
18da695

0 моделей

    Создать бенчмарк