Характеристики

Параметры: 403 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Опубликована: 14 мар 2022

Ссылки

Hugging Face

xtreme_s_xlsr_300m_mls

anton-l

Распознавание речиАудио → текст8 профессий

Модель на базе XLS-R, дообученная на датасете MLS для преобразования речи из аудио в текст.

19скачиваний за 30 дней1лайквеса обновлены3 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.

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

Модель anton-l/xtreme_s_xlsr_300m_mls — дообученная на датасете GOOGLE/XTREME_S - MLS версия facebook/wav2vec2-xls-r-300m для автоматического распознавания речи. Она принимает аудио и преобразует речь в текст; архитектура основана на Wav2Vec2ForCTC, а число параметров составляет около 402,7 млн. В README приведены результаты на оценочной выборке: WER 0,3033 и CER 0,0951. Модель предназначена для сценариев распознавания речи, где требуется получить текстовую транскрипцию аудио. Язык или языки распознавания и длина контекста в доступных сведениях не уточнены. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

транскрибация аудиозаписей
распознавание речи в аудиофайлах
получение текстовой расшифровки речи

Ограничения

В README приведены WER 0,3033 и CER 0,0951 на оценочной выборке; результаты на других данных могут отличаться. Поддерживаемые языки и область применимости в карточке не раскрыты.

Для каких профессий подходит8

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xtreme_s_xlsr_300m_mls

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

Loss: 0.6215
Wer: 0.3033
Cer: 0.0951

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: 1
seed: 42
distributed_type: multi-GPU
num_devices: 8
gradient_accumulation_steps: 2
total_train_batch_size: 64
total_eval_batch_size: 8
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 3000
num_epochs: 100.0
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer	Cer
3.0446	1.91	500	2.9866	1.0	1.0
0.8789	3.82	1000	0.8574	0.7225	0.2355
0.4766	5.72	1500	0.4813	0.4624	0.1394
0.3779	7.63	2000	0.4465	0.4154	0.1309
0.3244	9.54	2500	0.4213	0.3683	0.1163
0.346	11.45	3000	0.4606	0.4033	0.1299
0.3092	13.36	3500	0.4160	0.3585	0.1115
0.3287	15.27	4000	0.4364	0.3631	0.1165
0.3165	17.18	4500	0.4218	0.3451	0.1056
0.2874	19.08	5000	0.4583	0.3650	0.1151
0.3089	20.99	5500	0.4424	0.3485	0.1137
0.2689	22.9	6000	0.4427	0.3542	0.1128
0.234	24.81	6500	0.4204	0.3431	0.1069
0.2363	26.72	7000	0.4792	0.3689	0.1191
0.2796	28.62	7500	0.4867	0.3662	0.1154
0.2447	30.53	8000	0.4908	0.3584	0.1160
0.22	32.44	8500	0.5315	0.3626	0.1240
0.1961	34.35	9000	0.5121	0.3610	0.1168
0.1959	36.26	9500	0.5140	0.3648	0.1179
0.1748	38.17	10000	0.5464	0.3763	0.1206
0.197	40.08	10500	0.5199	0.3515	0.1128
0.2166	41.98	11000	0.5336	0.3607	0.1191
0.2078	43.89	11500	0.5389	0.3518	0.1136
0.1827	45.8	12000	0.5014	0.3287	0.1053
0.1783	47.71	12500	0.5408	0.3545	0.1121
0.1489	49.62	13000	0.5292	0.3472	0.1098
0.1665	51.53	13500	0.5052	0.3300	0.1033
0.1631	53.43	14000	0.5241	0.3362	0.1081
0.1943	55.34	14500	0.5453	0.3373	0.1076
0.1504	57.25	15000	0.5958	0.3594	0.1149
0.136	59.16	15500	0.5645	0.3367	0.1082
0.1224	61.07	16000	0.5322	0.3302	0.1039
0.1156	62.98	16500	0.5728	0.3332	0.1061
0.114	64.88	17000	0.5994	0.3410	0.1125
0.1445	66.79	17500	0.6048	0.3471	0.1098
0.1281	68.7	18000	0.5747	0.3278	0.1042
0.1233	70.61	18500	0.6021	0.3375	0.1082
0.1109	72.52	19000	0.5851	0.3188	0.1021
0.0943	74.43	19500	0.5944	0.3238	0.1033
0.1418	76.34	20000	0.5904	0.3143	0.0997
0.1317	78.24	20500	0.6291	0.3283	0.1047
0.1177	80.15	21000	0.6114	0.3190	0.1000
0.1138	82.06	21500	0.6155	0.3245	0.1023
0.1074	83.97	22000	0.6094	0.3153	0.1004
0.11	85.88	22500	0.6041	0.3141	0.0988
0.1096	87.78	23000	0.6243	0.3110	0.0986
0.1017	89.69	23500	0.6110	0.3121	0.0984
0.1015	91.6	24000	0.6385	0.3093	0.0978
0.0952	93.51	24500	0.6155	0.3036	0.0953
0.0896	95.42	25000	0.6215	0.3033	0.0951
0.0953	97.33	25500	0.6293	0.3037	0.0953
0.0834	99.24	26000	0.6302	0.3036	0.0952

Framework versions

Transformers 4.18.0.dev0
Pytorch 1.11.0+cu113
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: e549e82

Характеристики

Ссылки

xtreme_s_xlsr_300m_mls

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 подходит8

Также подходит для

Карточка модели

xtreme_s_xlsr_300m_mls

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Как запустить