Характеристики

Параметры: 403 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Опубликована: 7 июн 2022

Ссылки

Hugging Face

model-facebookptbrlarge

Vkt

Распознавание речиАудио → текст7 профессий

Модель на базе Wav2Vec2 для распознавания португалоязычной речи и преобразования её в текст.

10скачиваний за 30 дней0лайковвеса обновлены8 июн 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

Vkt/model-facebookptbrlarge — модель распознавания речи, дообученная на Common Voice на основе facebook/wav2vec2-large-xlsr-53-portuguese. Она использует архитектуру Wav2Vec2 с CTC-декодированием и содержит около 402,7 млн параметров. Модель принимает аудио и предназначена для преобразования речи в текст на португальском языке.

В README приведены результаты на наборе оценки Common Voice: WER 0,1322 и loss 0,2206. Модель загружена в формате PyTorch и распространяется по лицензии Apache-2.0. Карточка не описывает дополнительные сценарии применения или ограничения; результаты оценки относятся к указанному набору данных.

Сценарии применения

транскрибация португальских аудиозаписей
распознавание речи в записях Common Voice
преобразование португалоязычной речи в текст

Ограничения

Результат оценки WER 0,1322 получен на тестовом наборе Common Voice; качество на других типах аудио и в иных условиях в карточке не описано.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

model-facebookptbrlarge

This model is a fine-tuned version of facebook/wav2vec2-large-xlsr-53-portuguese on the common_voice dataset. It achieves the following results on the evaluation set:

Loss: 0.2206
Wer: 0.1322

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
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer
5.8975	0.29	400	0.4131	0.3336
0.5131	0.57	800	0.4103	0.3293
0.4846	0.86	1200	0.3493	0.3028
0.4174	1.14	1600	0.3055	0.2730
0.4105	1.43	2000	0.3283	0.3041
0.4028	1.72	2400	0.3539	0.3210
0.386	2.0	2800	0.2925	0.2690
0.3224	2.29	3200	0.2842	0.2665
0.3122	2.57	3600	0.2781	0.2472
0.3087	2.86	4000	0.2794	0.2692
0.2878	3.15	4400	0.2795	0.2537
0.2915	3.43	4800	0.2764	0.2478
0.2816	3.72	5200	0.2761	0.2366
0.283	4.0	5600	0.2641	0.2587
0.2448	4.29	6000	0.2489	0.2417
0.247	4.57	6400	0.2538	0.2422
0.25	4.86	6800	0.2660	0.2306
0.2256	5.15	7200	0.2477	0.2267
0.2225	5.43	7600	0.2364	0.2195
0.2217	5.72	8000	0.2319	0.2139
0.2272	6.0	8400	0.2489	0.2427
0.2016	6.29	8800	0.2404	0.2181
0.1973	6.58	9200	0.2532	0.2273
0.2101	6.86	9600	0.2590	0.2100
0.1946	7.15	10000	0.2414	0.2108
0.1845	7.43	10400	0.2485	0.2124
0.1861	7.72	10800	0.2405	0.2124
0.1851	8.01	11200	0.2449	0.2062
0.1587	8.29	11600	0.2510	0.2048
0.1694	8.58	12000	0.2290	0.2059
0.1637	8.86	12400	0.2376	0.2063
0.1594	9.15	12800	0.2307	0.1967
0.1537	9.44	13200	0.2274	0.2017
0.1498	9.72	13600	0.2322	0.2025
0.1516	10.01	14000	0.2323	0.1971
0.1336	10.29	14400	0.2249	0.1920
0.134	10.58	14800	0.2258	0.2055
0.138	10.86	15200	0.2250	0.1906
0.13	11.15	15600	0.2423	0.1920
0.1302	11.44	16000	0.2294	0.1849
0.1253	11.72	16400	0.2193	0.1889
0.1219	12.01	16800	0.2350	0.1869
0.1149	12.29	17200	0.2350	0.1903
0.1161	12.58	17600	0.2277	0.1899
0.1129	12.87	18000	0.2416	0.1855
0.1091	13.15	18400	0.2289	0.1815
0.1073	13.44	18800	0.2383	0.1799
0.1135	13.72	19200	0.2306	0.1819
0.1075	14.01	19600	0.2283	0.1742
0.0971	14.3	20000	0.2271	0.1851
0.0967	14.58	20400	0.2395	0.1809
0.1039	14.87	20800	0.2286	0.1808
0.0984	15.15	21200	0.2303	0.1821
0.0922	15.44	21600	0.2254	0.1745
0.0882	15.73	22000	0.2280	0.1836
0.0859	16.01	22400	0.2355	0.1779
0.0832	16.3	22800	0.2347	0.1740
0.0854	16.58	23200	0.2342	0.1739
0.0874	16.87	23600	0.2316	0.1719
0.0808	17.16	24000	0.2291	0.1730
0.0741	17.44	24400	0.2308	0.1674
0.0815	17.73	24800	0.2329	0.1655
0.0764	18.01	25200	0.2514	0.1711
0.0719	18.3	25600	0.2275	0.1578
0.0665	18.58	26000	0.2367	0.1614
0.0693	18.87	26400	0.2185	0.1593
0.0662	19.16	26800	0.2266	0.1678
0.0612	19.44	27200	0.2332	0.1602
0.0623	19.73	27600	0.2283	0.1670
0.0659	20.01	28000	0.2142	0.1626
0.0581	20.3	28400	0.2198	0.1646
0.063	20.59	28800	0.2251	0.1588
0.0618	20.87	29200	0.2186	0.1554
0.0549	21.16	29600	0.2251	0.1490
0.058	21.44	30000	0.2366	0.1559
0.0543	21.73	30400	0.2262	0.1535
0.0529	22.02	30800	0.2358	0.1519
0.053	22.3	31200	0.2198	0.1513
0.0552	22.59	31600	0.2234	0.1503
0.0492	22.87	32000	0.2191	0.1516
0.0488	23.16	32400	0.2321	0.1500
0.0479	23.45	32800	0.2152	0.1420
0.0453	23.73	33200	0.2202	0.1453
0.0485	24.02	33600	0.2235	0.1468
0.0451	24.3	34000	0.2192	0.1455
0.041	24.59	34400	0.2138	0.1438
0.0435	24.87	34800	0.2335	0.1423
0.0404	25.16	35200	0.2220	0.1409
0.0374	25.45	35600	0.2366	0.1437
0.0405	25.73	36000	0.2233	0.1428
0.0385	26.02	36400	0.2208	0.1414
0.0373	26.3	36800	0.2265	0.1420
0.0365	26.59	37200	0.2174	0.1402
0.037	26.88	37600	0.2249	0.1397
0.0379	27.16	38000	0.2173	0.1374
0.0354	27.45	38400	0.2212	0.1381
0.034	27.73	38800	0.2313	0.1364
0.0347	28.02	39200	0.2230	0.1356
0.0318	28.31	39600	0.2231	0.1357
0.0305	28.59	40000	0.2281	0.1366
0.0307	28.88	40400	0.2259	0.1342
0.0315	29.16	40800	0.2252	0.1332
0.0314	29.45	41200	0.2218	0.1328
0.0307	29.74	41600	0.2206	0.1322

Framework versions

Transformers 4.17.0
Pytorch 1.8.1+cu111
Datasets 2.2.1
Tokenizers 0.12.1

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: 067c935

Характеристики

Ссылки

model-facebookptbrlarge

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Ограничения

Для каких профессий подходит7

Также подходит для

Карточка модели

model-facebookptbrlarge

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Как запустить