/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense

Ссылки

Hugging Face

wav2vec2-large-xls-r-300m-ta-colab-new1

Subhashini17
Распознавание речиАудио → текст3 профессии

Дообученная на Common Voice модель wav2vec2 для автоматической транскрипции тамильской речи.

10скачиваний 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

Subhashini17 разработал эту модель как дообученную на Common Voice версию facebook/wav2vec2-xls-r-300m для распознавания речи. Это акустическая модель семейства wav2vec2 с архитектурой Wav2Vec2ForCTC: она принимает аудио и выдаёт текстовую расшифровку. В репозитории указаны веса PyTorch, около 402,7 млн параметров и лицензия Apache-2.0. Модель создана в 2022 году.

Модель предназначена для автоматической транскрипции речи; название указывает на вариант для тамильского языка. На оценочной выборке Common Voice указана WER 0,7611, что означает высокую долю ошибок и ограниченную точность распознавания. Карточка не описывает условия записи, поддерживаемые варианты речи или практические ограничения подробнее.

Сценарии применения

  • транскрибация тамильских аудиозаписей
  • распознавание речи из набора Common Voice
  • создание текстовых расшифровок аудиофайлов

Ограничения

На оценочной выборке указана высокая WER 0,7611, поэтому качество распознавания может быть низким. Результаты на других данных и условиях записи не приведены.

Для каких профессий подходит3

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.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xls-r-300m-ta-colab-new1

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

  • eval_loss: 0.6642
  • eval_wer: 0.7611
  • eval_runtime: 152.4412
  • eval_samples_per_second: 11.683
  • eval_steps_per_second: 1.463
  • epoch: 10.11
  • step: 960

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: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Framework versions

  • Transformers 4.11.3
  • Pytorch 1.10.0+cu113
  • Datasets 1.13.3
  • Tokenizers 0.10.3

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
6683028

0 моделей

    Создать бенчмарк