/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

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

anuragshas
Распознавание речиАудио → текст5 профессий

Дообученная на Common Voice 9.0 модель Wav2Vec2 распознаёт речь на хинди и преобразует её в текст.

17скачиваний за 30 дней0лайковвеса обновлены25 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-hi-cv9-with-lm — дообученная Anurag Shas на базе facebook/wav2vec2-xls-r-300m для автоматического распознавания речи на хинди. Она использует архитектуру Wav2Vec2ForCTC и обучена на наборе MOZILLA-FOUNDATION/COMMON_VOICE_9_0 - HI. В метаданных указано 402,7 млн параметров; модель принимает аудио и выдаёт распознанный текст.

На оценочной выборке указаны WER 0,3349 и CER 0,1082. Модель ориентирована на распознавание речи на хинди; результаты на других языках и в иных акустических условиях не подтверждены. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация записей речи на хинди
  • распознавание хинди в аудиозаписях Common Voice
  • получение текста из коротких речевых фрагментов на хинди

Ограничения

В README приведены метрики WER 0,3349 и CER 0,1082 на оценочной выборке, но не описаны условия тестирования. Предназначение и качество модели на языках кроме хинди не подтверждены.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.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

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

  • Loss: 0.5164
  • Wer: 0.3349
  • Cer: 0.1082

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: 9815
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
3.94718.164003.71091.01.0
3.27416.328003.15820.99170.9573
1.588924.4812000.77630.60300.1990
1.364732.6516000.60510.51350.1687
1.253240.8120000.54230.47120.1539
1.190548.9724000.51800.45320.1490
1.119357.1428000.49060.42480.1393
1.058465.332000.48540.40690.1332
1.009573.4636000.47800.39260.1287
0.975981.6340000.46660.39250.1269
0.959389.7944000.48080.38300.1247
0.90997.9548000.47980.37650.1212
0.8788106.1252000.49060.36080.1162
0.8471114.2856000.47590.36040.1166
0.8116122.4460000.50800.36270.1176
0.7881130.6164000.48680.34890.1135
0.766138.7768000.49550.34920.1136
0.7333146.9372000.50190.34610.1125
0.709155.176000.50840.34680.1117
0.6911163.2680000.51440.34120.1106
0.6683171.4284000.52190.34090.1117
0.659179.5988000.52300.33760.1096
0.6475187.7592000.52290.33980.1097
0.6419195.9196000.52000.33370.1084

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
3a2d8e2

0 моделей

    Создать бенчмарк