/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
2 мар 2022

wav2vec2-large-xls-r-300m-el

Распознавание речиАудио → текст6 профессий

Дообученная wav2vec2-модель для распознавания греческой речи и преобразования аудио в текст.

37скачиваний за 30 дней0лайковвеса обновлены31 авг 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.

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

ayameRushia/wav2vec2-large-xls-r-300m-el — модель автоматического распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m на греческой части Common Voice 8.0. Это плотная модель семейства wav2vec2 с архитектурой Wav2Vec2ForCTC, содержащая 402,7 млн параметров и работающая с аудиовходом.

Модель предназначена для преобразования греческой речи в текст, в том числе для расшифровки записей, похожих на примеры из Common Voice. В README указана WER 31,1294% без языковой модели и 20,7340% с языковой моделью, а CER — 7,9509% и 6,0466% соответственно; для оценки использовался тестовый набор Common Voice 8.0. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

  • расшифровка греческих голосовых записей
  • транскрибация аудиозаписей на греческом языке
  • распознавание речи в записях, похожих на Common Voice
  • получение текста из греческого аудио с использованием языковой модели

Ограничения

На тестовом наборе Common Voice 8.0 WER составляет около 31,1% без языковой модели и 20,7% с ней; показатели могут отличаться на других типах аудио и речи.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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

  • Loss: 0.3218
  • Wer: 0.3095

Training and evaluation data

Evaluation is conducted in Notebook, you can see within the repo "notebook_evaluation_wav2vec2_el.ipynb"

Test WER without LM wer = 31.1294 % cer = 7.9509 %

Test WER using LM wer = 20.7340 % cer = 6.0466 %

How to use eval.py

huggingface-cli login #login to huggingface for getting auth token to access the common voice v8
#running with LM
!python eval.py --model_id ayameRushia/wav2vec2-large-xls-r-300m-el --dataset mozilla-foundation/common_voice_8_0 --config el --split test
# running without LM
!python eval.py --model_id ayameRushia/wav2vec2-large-xls-r-300m-el --dataset mozilla-foundation/common_voice_8_0 --config el --split test --greedy

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 32
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 400
  • num_epochs: 80.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
6.36838.775003.12801.0
1.991517.5410000.66000.6444
0.656526.3215000.42080.4486
0.448435.0920000.38850.4006
0.357343.8625000.35480.3626
0.306352.6330000.33750.3430
0.275161.435000.33590.3241
0.251170.1840000.32220.3108
0.236178.9545000.32050.3084

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.1+cu102
  • Datasets 1.18.3
  • 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
76ec0eb

0 моделей