/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense

Ссылки

Hugging Face

wav2vec2-xls-r-300m-mr-cv8-with-lm

anuragshas
Распознавание речиАудио → текст4 профессии

Wav2Vec2 XLS-R дообученная модель для преобразования речи на маратхи в текст.

17скачиваний за 30 дней0лайковвеса обновлены6 фев 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

Это модель автоматического распознавания речи на архитектуре Wav2Vec2ForCTC, дообученная на базе facebook/wav2vec2-xls-r-300m на наборе MOZILLA-FOUNDATION/COMMON_VOICE_8_0 — MR. Она преобразует входящее аудио в текст и предназначена для распознавания речи на языке маратхи.

В карточке указаны результаты на оценочной выборке: loss 0,6693 и WER 0,5921. Модель содержит около 402,7 млн параметров, распространяется в формате PyTorch и доступна по лицензии Apache-2.0. Дата публикации на Hugging Face — 2 марта 2022 года.

Высокое значение WER указывает на заметную долю ошибок распознавания на указанной оценочной выборке, поэтому качество следует проверять на аудио и сценариях целевого применения. Карточка не приводит дополнительных сведений о длине аудио, акустических условиях или использовании языковой модели, несмотря на суффикс «with-lm» в названии репозитория.

Сценарии применения

  • транскрибация записей речи на маратхи
  • распознавание маратхи в аудиозаписях
  • создание черновых субтитров для речи на маратхи

Ограничения

На оценочной выборке указана WER 0,5921, поэтому распознавание может содержать значительное число ошибок. Результаты для других наборов данных и условий записи в карточке не приведены.

Для каких профессий подходит4

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.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

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_8_0 - MR dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6693
  • Wer: 0.5921

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: 32
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 2000
  • num_epochs: 500.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
4.950418.184004.67301.0
3.376636.368003.34641.0
3.112854.5512003.01770.9980
1.796672.7316000.87330.8039
1.408590.9120000.55550.6458
1.1731109.0924000.49300.6438
1.0271127.2728000.47800.6093
0.9045145.4532000.46470.6578
0.807163.6436000.45050.5925
0.741181.8240000.47460.6025
0.6706200.044000.50040.5844
0.6186218.1848000.49840.5997
0.5508236.3652000.52980.5636
0.5123254.5556000.54100.5110
0.4623272.7360000.55910.5383
0.4281290.9164000.57750.5600
0.4045309.0968000.59240.5580
0.3651327.2772000.56710.5684
0.343345.4576000.60830.5945
0.3085363.6480000.62430.5728
0.2941381.8284000.62450.5580
0.2735400.088000.64580.5804
0.262418.1892000.65660.5824
0.2578436.3696000.65580.5965
0.2388454.55100000.65980.5993
0.2328472.73104000.67000.6041
0.2286490.91108000.66840.5957

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.2+cu102
  • Datasets 1.18.4.dev0
  • Tokenizers 0.11.0

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
b5c4a33

0 моделей

    Создать бенчмарк