/ Модель
Каталог

Характеристики

Параметры
409 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
10 апр 2022

Ссылки

Hugging Face

xtreme_s_xlsr_300m_fleurs_asr

anton-l
Распознавание речиАудио → текст7 профессий

Дообученная wav2vec 2.0 XLS-R модель для преобразования речи в текст.

16скачиваний за 30 дней0лайковвеса обновлены14 апр 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

Модель anton-l/xtreme_s_xlsr_300m_fleurs_asr — дообученная версия facebook/wav2vec2-xls-r-300m для автоматического распознавания речи. Она использует архитектуру Wav2Vec2ForCTC и содержит около 409,5 млн параметров. Модель принимает аудио и выдаёт распознанный текст; репозиторий содержит веса PyTorch.

В README приведены метрики оценки: CER 0,3330 и WER 0,8344. Датасет и языки обучения не определены в доступной карточке, поэтому применимость к конкретным языкам и условиям записи по этим данным оценить нельзя. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей
  • распознавание речи в аудиофайлах
  • получение текстовой расшифровки речи

Ограничения

В README указаны CER 0,3330 и WER 0,8344; качество может быть недостаточным для задач, требующих высокой точности. Данные о языках и условиях обучения не приведены.

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 923моделиI.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 835моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xtreme_s_xlsr_300m_fleurs_asr

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the None dataset. It achieves the following results on the evaluation set:

  • Cer: 0.3330
  • Loss: 1.2864
  • Wer: 0.8344

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: 4
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • total_train_batch_size: 32
  • total_eval_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 2000
  • num_epochs: 5.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepCerValidation LossWer
4.6770.1310001.03.23231.0
4.15120.2620000.50981.78580.9869
1.1190.3930000.44121.66280.9063
0.85730.5240000.35881.34400.9016
1.02320.6550000.36901.30040.8775
0.63280.7860000.33541.22190.8331
0.66360.9170000.36041.28390.8637
0.65361.0480000.34201.24810.8504
0.50021.1790000.35181.25140.8403
0.47851.3100000.33991.24090.8570
0.5171.43110000.35991.30580.8654
0.5061.56120000.34841.23500.8441
0.40131.69130000.33271.19820.8246
0.35211.82140000.32701.16530.8265
0.42651.95150000.35621.26470.8564
0.39492.08160000.34901.29880.8480
0.30592.21170000.33271.23320.8323
0.36182.34180000.34801.23940.8517
0.25672.47190000.33651.22940.8394
0.35012.6200000.32711.18530.8250
0.27662.73210000.34251.23390.8443
0.33962.86220000.35011.27680.8669
0.35662.99230000.34771.26480.8710
0.31663.12240000.35501.37730.8641
0.23883.25250000.33011.23740.8316
0.20573.38260000.34291.28460.8560
0.22643.51270000.34691.26760.8542
0.19983.64280000.35311.33650.8655
0.27013.77290000.35181.31240.8711
0.183.9300000.34981.30950.8648
0.13374.03310000.33971.29410.8452
0.1624.16320000.33201.29420.8295
0.27764.29330000.32751.26900.8276
0.16344.42340000.33071.31450.8331
0.21724.54350000.33341.30310.8435
0.13054.67360000.33031.27680.8321
0.14364.8370000.33531.29680.8416
0.1344.93380000.33301.28640.8344

Framework versions

  • Transformers 4.18.0.dev0
  • Pytorch 1.10.1+cu111
  • Datasets 1.18.4.dev0
  • Tokenizers 0.11.6

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
ca5adee

0 моделей

    Создать бенчмарк