Характеристики

Параметры: 403 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Опубликована: 29 апр 2022

Ссылки

Hugging Face

xtreme_s_xlsr_300m_voxpopuli_en

anton-l

Распознавание речиАудио → текст9 профессий

Дообученная wav2vec2-модель для преобразования английской речи в текст.

18скачиваний за 30 дней0лайковвеса обновлены3 мая 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_voxpopuli_en — дообученная версия facebook/wav2vec2-xls-r-300m для автоматического распознавания английской речи. Она использует архитектуру wav2vec2 с CTC-декодированием и содержит 402,7 млн параметров. Модель предназначена для преобразования аудиозаписей на английском языке в текст, в частности для распознавания речи из набора VoxPopuli.EN.

На оценочной выборке указаны WER 0,1549 и CER 0,0966. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Карточка не описывает ограничения распознавания и условия работы с разными акустическими условиями.

Сценарии применения

транскрибация английских аудиозаписей
распознавание английских выступлений и речей
создание текстовых расшифровок записей VoxPopuli.EN

Для каких профессий подходит9

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.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель 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

xtreme_s_xlsr_300m_voxpopuli_en

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

Cer: 0.0966
Loss: 0.3127
Wer: 0.1549
Predict Samples: 1842

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: 1
seed: 42
distributed_type: multi-GPU
num_devices: 8
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: 2000
num_epochs: 10.0
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer	Cer
1.4221	0.19	500	1.3325	0.8224	0.3432
0.8429	0.38	1000	0.7087	0.5028	0.2023
0.7377	0.57	1500	0.4900	0.2778	0.1339
0.5641	0.77	2000	0.4460	0.2540	0.1284
0.5787	0.96	2500	0.4242	0.2148	0.1167
0.3465	1.15	3000	0.4210	0.2087	0.1154
0.2787	1.34	3500	0.3954	0.2090	0.1155
0.2775	1.53	4000	0.3938	0.1992	0.1133
0.262	1.72	4500	0.3748	0.2104	0.1151
0.3138	1.92	5000	0.3825	0.1993	0.1134
0.4331	2.11	5500	0.3648	0.1935	0.1104
0.3802	2.3	6000	0.3966	0.1910	0.1109
0.3928	2.49	6500	0.3995	0.1898	0.1100
0.3441	2.68	7000	0.3764	0.1887	0.1103
0.3673	2.87	7500	0.3800	0.1843	0.1086
0.3422	3.07	8000	0.3932	0.1830	0.1092
0.2933	3.26	8500	0.3672	0.1915	0.1104
0.1785	3.45	9000	0.3820	0.1796	0.1072
0.321	3.64	9500	0.3533	0.1994	0.1126
0.1673	3.83	10000	0.3683	0.1856	0.1084
0.1757	4.02	10500	0.3365	0.1925	0.1102
0.1881	4.22	11000	0.3528	0.1775	0.1066
0.3106	4.41	11500	0.3909	0.1754	0.1063
0.25	4.6	12000	0.3734	0.1723	0.1052
0.2005	4.79	12500	0.3358	0.1900	0.1092
0.2982	4.98	13000	0.3513	0.1766	0.1060
0.1552	5.17	13500	0.3720	0.1729	0.1059
0.1645	5.37	14000	0.3569	0.1713	0.1044
0.2065	5.56	14500	0.3639	0.1720	0.1048
0.1898	5.75	15000	0.3660	0.1726	0.1050
0.1397	5.94	15500	0.3731	0.1670	0.1033
0.2056	6.13	16000	0.3782	0.1650	0.1030
0.1859	6.32	16500	0.3903	0.1667	0.1033
0.1374	6.52	17000	0.3721	0.1736	0.1048
0.2482	6.71	17500	0.3899	0.1643	0.1023
0.159	6.9	18000	0.3847	0.1687	0.1032
0.1487	7.09	18500	0.3817	0.1671	0.1030
0.1942	7.28	19000	0.4120	0.1616	0.1018
0.1517	7.47	19500	0.3856	0.1635	0.1020
0.0946	7.67	20000	0.3838	0.1621	0.1016
0.1455	7.86	20500	0.3749	0.1652	0.1020
0.1303	8.05	21000	0.4074	0.1615	0.1011
0.1207	8.24	21500	0.4121	0.1606	0.1008
0.0727	8.43	22000	0.3948	0.1607	0.1009
0.1123	8.62	22500	0.4025	0.1603	0.1009
0.1606	8.82	23000	0.3963	0.1580	0.1004
0.1458	9.01	23500	0.3991	0.1574	0.1002
0.2286	9.2	24000	0.4149	0.1596	0.1009
0.1284	9.39	24500	0.4251	0.1572	0.1002
0.1141	9.58	25000	0.4264	0.1579	0.1002
0.1823	9.77	25500	0.4230	0.1562	0.0999
0.2514	9.97	26000	0.4242	0.1564	0.0999

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: ee39996

Характеристики

Ссылки

xtreme_s_xlsr_300m_voxpopuli_en

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Для каких профессий подходит9

Также подходит для

Карточка модели

xtreme_s_xlsr_300m_voxpopuli_en

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Как запустить