/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
6 мая 2022

Ссылки

Hugging Face

wav2vec2-xls-r-300m-bn-cv9-with-lm

anuragshas
Распознавание речиАудио → текст6 профессий

Модель распознаёт бенгальскую речь и преобразует её в текст.

19скачиваний за 30 дней0лайковвеса обновлены10 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.

  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 anuragshas/wav2vec2-xls-r-300m-bn-cv9-with-lm — дообученная версия facebook/wav2vec2-xls-r-300m для автоматического распознавания речи на бенгальском языке. Она основана на архитектуре Wav2Vec2ForCTC и обучена на бенгальской части набора Mozilla Common Voice 9.0. Репозиторий содержит веса PyTorch; общее число параметров — около 402,7 млн.

Модель предназначена для преобразования бенгальской речи в текст, например, для расшифровки записей и голосового ввода. В README приведены результаты оценки на тестовом наборе: WER 0,285 и CER 0,066. Модель распространяется по лицензии Apache-2.0; качество на других наборах данных и в реальных условиях может отличаться.

Сценарии применения

  • расшифровка записей речи на бенгальском языке
  • голосовой ввод текста на бенгальском языке
  • автоматическая транскрибация материалов Common Voice на бенгальском языке

Ограничения

В README нет подробных сведений об ограничениях; указанное качество измерено на оценочном наборе Common Voice 9.0 и может отличаться на других аудиоданных.

Для каких профессий подходит6

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.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейII.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

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the MOZILLA-FOUNDATION/COMMON_VOICE_9_0 - BN dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2297
  • Wer: 0.2850
  • Cer: 0.0660

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: 7.5e-05
  • train_batch_size: 64
  • eval_batch_size: 64
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • training_steps: 8692
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
3.6752.34003.50521.01.0
3.04464.68002.27591.00520.5215
1.72766.912000.70830.66970.1969
1.51719.216000.53280.57330.1568
1.417611.4920000.45710.51610.1381
1.34313.7924000.39100.45220.1160
1.274316.0928000.35340.41370.1044
1.239618.3932000.32780.38770.0959
1.203520.6936000.31090.37410.0917
1.174522.9940000.29720.36180.0882
1.154125.2944000.28360.34270.0832
1.137227.5948000.27590.33570.0812
1.104829.8952000.26690.32840.0783
1.096632.1856000.26780.32490.0775
1.074734.4860000.25470.31340.0748
1.059336.7864000.24910.30770.0728
1.041739.0868000.24500.30120.0711
1.02441.3872000.24020.29560.0694
1.010643.6876000.23510.29150.0681
1.001445.9880000.23280.28960.0673
0.999948.2884000.23180.28660.0667

Framework versions

  • Transformers 4.19.0.dev0
  • Pytorch 1.11.0+cu102
  • Datasets 2.1.1.dev0
  • Tokenizers 0.12.1

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
f1bf379

0 моделей

    Создать бенчмарк