/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-xls-r-300m
Библиотека
transformers
Опубликована
2 дек 2024

toki-pona-wav2vec2-xls-r-300m-common-voice-17

Распознавание речиАудио → текст3 профессии

Модель wav2vec2, дообученная на Common Voice 17.0 для распознавания речи на токипона.

184скачиваний за 30 дней0лайковвеса обновлены2 дек 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

Модель VicentCano/toki-pona-wav2vec2-xls-r-300m-common-voice-17 — дообученная на Common Voice 17.0 версия wav2vec2-xls-r-300m для автоматического распознавания речи на токипона. Она принимает аудио и выдаёт распознанный текст. Архитектура — Wav2Vec2ForCTC; содержит около 402,7 млн параметров и рассчитана на использование с библиотекой Transformers.

В README указаны результаты на тестовой выборке: loss 0,0718 и WER 0,0457. Модель выпущена под лицензией Apache-2.0. Карточка не сообщает дополнительных сведений о поддерживаемых условиях записи или ограничениях качества; результаты оценки относятся к указанной выборке Common Voice 17.0.

Сценарии применения

  • Транскрибация записей речи на токипона
  • Распознавание речи на токипона из набора Common Voice
  • Получение текстовых расшифровок аудио на токипона

Ограничения

Качество подтверждено результатами на тестовой выборке Common Voice 17.0 (WER 0,0457); показатели на других данных не приведены.

Для каких профессий подходит3

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

toki_pona_test_cogn_wav2vec2-xls-r-300m

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the common_voice_17_0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0718
  • Wer: 0.0457

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: 4
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 14
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
No log0.99661472.66991.0
No log2.02950.64920.5195
No log2.99664420.18960.1911
2.63794.05900.14640.1274
2.63794.99667370.11770.1073
2.63796.08850.10890.0935
0.14046.996610320.09780.0792
0.14048.011800.09570.0735
0.14048.996613270.08880.0697
0.140410.014750.07410.0584
0.068310.996616220.07100.0519
0.068312.017700.06870.0477
0.068312.996619170.07090.0458
0.038313.952520580.07180.0457

Framework versions

  • Transformers 4.46.3
  • Pytorch 2.5.1+cu121
  • Datasets 3.1.0
  • Tokenizers 0.20.3

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
3241abc

0 моделей