/ Модель
Каталог

Характеристики

Параметры
1,3 млрд
Архитектура
wav2vec2 · dense
Опубликована
6 сен 2022

Ссылки

Hugging Face

wav2vec2-xls-r-1b-german

aware-ai
Распознавание речиАудио → текст7 профессий

Модель wav2vec2 XLS-R, дообученная для распознавания немецкой речи и преобразования аудио в текст.

231скачиваний за 30 дней1лайквеса обновлены12 мар 2025

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

aware-ai/wav2vec2-xls-r-1b-german — модель автоматического распознавания речи, созданная дообучением архитектуры wav2vec2 XLS-R с 1,3 млрд параметров на немецкой части датасета Mozilla Common Voice 10.0. Она принимает аудио и выдаёт распознанный текст на немецком языке.

Модель подходит для транскрибации немецкой речи, в том числе записей, похожих по условиям на данные Common Voice. В README приведены результаты оценки на тестовой выборке: WER 0,2931 и loss 0,3513. Используются веса PyTorch и Safetensors.

В карточке не описаны ограничения, лицензия и подробности обучения; поэтому условия использования и пригодность для конкретных акустических условий по доступным данным оценить нельзя.

Сценарии применения

  • транскрибация немецких голосовых записей
  • распознавание немецкой речи из записей Common Voice
  • создание текстовых субтитров для немецких аудиозаписей

Ограничения

На оценочной выборке указана ошибка WER 0,2931; качество на других типах записей и акустических условиях не описано. Лицензия и подробные ограничения применения в предоставленных материалах не указаны.

Для каких профессий подходит7

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.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-xls-r-1b-german

This model is a fine-tuned version of wav2vec2-xls-r-1b-german on the MOZILLA-FOUNDATION/COMMON_VOICE_10_0 - DE dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3513
  • Wer: 0.2931

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: 3e-07
  • train_batch_size: 48
  • eval_batch_size: 48
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 96
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 2.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.20091.048160.34860.2940
0.16372.096320.34590.2915

Framework versions

  • Transformers 4.21.3
  • Pytorch 1.12.1
  • Datasets 2.4.0
  • 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
56de523

0 моделей

    Создать бенчмарк