/ Модель

Характеристики

Параметры
113 млн
Архитектура
wav2vec2 · dense

wav2vec2-malayalam-stt

Распознавание речиАудио → текст5 профессий

Модель Wav2Vec2 распознаёт речь на малаялам и преобразует аудио в текст.

183скачиваний за 30 дней0лайковвеса обновлены19 дек 2021

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

addy88/wav2vec2-malayalam-stt — модель автоматического распознавания речи на основе архитектуры Wav2Vec2 с 113,3 млн параметров. Она принимает аудио и преобразует речь на малаялам в текст; модель можно использовать напрямую, без языковой модели.

Модель опубликована в формате PyTorch и предназначена для сценариев распознавания речи на малаялам. В карточке не указаны сведения о лицензии, поэтому условия использования по имеющимся данным определить нельзя.

Сценарии применения

  • транскрибация аудио на малаялам
  • распознавание устной речи на малаялам
  • создание текстовых расшифровок малаяламских записей

Ограничения

Поддержка языковой модели не требуется для прямого распознавания, однако сведения о точности и устойчивости к шуму в предоставленных данных отсутствуют. Лицензия в данных не указана.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Usage

The model can be used directly (without a language model) as follows:

import soundfile as sf
import torch
from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor
import argparse
def parse_transcription(wav_file):
    # load pretrained model
    processor = Wav2Vec2Processor.from_pretrained("addy88/wav2vec2-malayalam-stt")
    model = Wav2Vec2ForCTC.from_pretrained("addy88/wav2vec2-malayalam-stt")
    # load audio
    audio_input, sample_rate = sf.read(wav_file)
    # pad input values and return pt tensor
    input_values = processor(audio_input, sampling_rate=sample_rate, return_tensors="pt").input_values
    # INFERENCE
    # retrieve logits & take argmax
    logits = model(input_values).logits
    predicted_ids = torch.argmax(logits, dim=-1)
    # transcribe
    transcription = processor.decode(predicted_ids[0], skip_special_tokens=True)
    print(transcription)

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
f63c0ad

0 моделей