/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

wav2vec2-large-xls-r-300m-id

ayameRushia
Распознавание речиАудио → текст4 профессии

Модель Wav2Vec2, дообученная для распознавания индонезийской речи и преобразования её в текст.

29скачиваний 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.

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

ayameRushia/wav2vec2-large-xls-r-300m-id — модель автоматического распознавания речи на архитектуре Wav2Vec2ForCTC, разработанная на основе facebook/wav2vec2-xls-r-300m. Её дообучили на индонезийской части набора Mozilla Common Voice 8.0; размер модели составляет 402,7 млн параметров.

Модель преобразует входящую речь на индонезийском языке в текст. В README указаны значения Loss 0,3975 и WER 0,2633 на наборе оценки. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Карточка не описывает дополнительные сценарии применения или ограничения качества.

Сценарии применения

  • распознавание индонезийской речи из аудиозаписей
  • транскрибация индонезийских голосовых сообщений
  • создание текстовых расшифровок индонезийских аудиоматериалов

Ограничения

На оценочном наборе указана доля ошибок слов WER 0,2633; качество на других данных не приведено. Описание модели и её ограничений в карточке не раскрыто.

Для каких профессий подходит4

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.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 835моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

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

  • Loss: 0.3975
  • Wer: 0.2633

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: 0.0003
  • 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: 500
  • num_epochs: 30.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
No log0.781004.56451.0
No log1.552002.90161.0
No log2.333002.26661.0982
No log3.14000.60790.6376
3.21883.885000.49850.5008
3.21884.656000.44770.4469
3.21885.437000.39530.3915
3.21886.28000.43190.3921
3.21886.989000.41710.3698
0.21937.7510000.39570.3600
0.21938.5311000.37300.3493
0.21939.312000.37800.3348
0.219310.0813000.41330.3568
0.219310.8514000.39840.3193
0.112911.6315000.38450.3174
0.112912.416000.38820.3162
0.112913.1817000.39820.3008
0.112913.9518000.39020.3198
0.112914.7319000.40820.3237
0.076515.520000.37320.3126
0.076516.2821000.38930.3001
0.076517.0522000.41680.3083
0.076517.8323000.41930.3044
0.076518.624000.40060.3013
0.058819.3825000.38360.2892
0.058820.1626000.37610.2903
0.058820.9327000.38950.2930
0.058821.7128000.38850.2791
0.058822.4829000.39020.2891
0.044823.2630000.42000.2849
0.044824.0331000.40130.2799
0.044824.8132000.40390.2731
0.044825.5833000.39700.2647
0.044826.3634000.40810.2690
0.035127.1335000.40900.2674
0.035127.9136000.39530.2663
0.035128.6837000.40440.2650
0.035129.4638000.39690.2646

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.1+cu102
  • Datasets 1.17.1.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
931fb2e

0 моделей

    Создать бенчмарк