Характеристики

Параметры: 403 млн
Архитектура: wav2vec2 · dense

Ссылки

Hugging Face

wav2vec2-xls-r-300m-Urdu

aasem

Распознавание речиАудио → текст8 профессий

Модель на базе wav2vec2 XLS-R распознаёт речь на урду и преобразует аудио в текст.

35скачиваний за 30 дней1лайквеса обновлены1 мар 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

aasem/wav2vec2-xls-r-300m-Urdu — модель автоматического распознавания речи, созданная дообучением модели Facebook wav2vec2 XLS-R 300M на наборе Common Voice 8.0 для урду. Она принимает аудио и преобразует речь на урду в текст; архитектура — Wav2Vec2ForCTC на основе wav2vec2, объём модели по метаданным составляет 402,7 млн параметров. В карточке приведены результаты на Common Voice: WER 0,2459 и CER 0,0691.

Модель предназначена для транскрибирования записей и голосовых сообщений на урду. Репозиторий содержит веса PyTorch, для работы используется Transformers. Лицензия — MIT. Карточка приводит оценку на Common Voice, однако не описывает качество на других наборах данных и в иных акустических условиях.

Сценарии применения

транскрибирование записей на урду
распознавание урду в голосовых сообщениях
создание текстовых субтитров для аудио на урду

Ограничения

В карточке приведены метрики только для Common Voice 8.0; качество на других данных и в шумных условиях не указано.

Для каких профессий подходит8

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 953модели I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей I.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

datasets:

common_voice: ~

language:

ur: ~

library_name: transformers: ~ license: mit: ~ metrics:

wer: ~

model-index:

name: 
  wav2vec2-xls-r-300m-Urdu: ~
results: 
  - 
    task: 
      dataset: 
        args: 
          ur: ~
        name: 
          : "common_voice"
          : ~
        type: 
          common_voice: ~
      metrics: 
        - 
          type: 
            wer: ~
          value: 
            0.2459: ~
        - 
          type: 
            cer: ~
          value: 
            0.0691: ~
      type: 
        automatic-speech-recognition: ~

tags:

audio: ~

- automatic-speech-recognition: ~

speech: ~

Finetuning of Facebook's 300M model on Common Voice 8.0 Urdu dataset

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: 4d8badf