/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
27 июн 2023

wav2vec2-large-xlsr-53-AsanteTwi-06

Распознавание речиАудио → текст3 профессии

Модель wav2vec2, дообученная на Common Voice 13.0 для распознавания речи на асанте-тви.

9скачиваний за 30 дней0лайковвеса обновлены28 июн 2023

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

Модель ayer teу01/wav2vec2-large-xlsr-53-AsanteTwi-06 — версия wav2vec2-large-xlsr-53, дообученная разработчиком на Common Voice 13.0 для автоматического распознавания речи. Это модель архитектуры Wav2Vec2ForCTC с 402,7 млн параметров, принимающая аудио и выдающая текст. На тестовой выборке указаны loss 0,6122 и WER 0,5; модель ориентирована на речь на асанте-тви. Опубликована в формате PyTorch под лицензией Apache-2.0.

Высокий WER указывает на возможные ошибки распознавания; результаты могут зависеть от качества записи и соответствия аудио обучающим данным.

Сценарии применения

  • транскрибация записей на асанте-тви
  • распознавание речи из аудио на асанте-тви
  • подготовка текстовых транскриптов для корпуса Common Voice

Ограничения

На evaluation set указана частота ошибок слов (WER) 0,5, поэтому транскрипции могут содержать существенные ошибки. Карточка не приводит подробностей об условиях оценки и ограничениях применения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xlsr-53-AsanteTwi-06

This model is a fine-tuned version of facebook/wav2vec2-large-xlsr-53 on the common_voice_13_0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6122
  • Wer: 0.5

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: 0.0001
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 200
  • num_epochs: 300

Training results

Training LossEpochStepValidation LossWer
9.330316.671005.28421.0
2.96133.332003.18571.0
2.875850.03002.99881.0
2.833166.674002.88301.0
2.489383.335002.16381.0
1.1901100.06000.76110.5625
0.5563116.677000.75030.5
0.3916133.338000.63240.5
0.288150.09000.82910.5
0.2176166.6710000.73830.5625
0.1814183.3311000.64080.5
0.1749200.012000.57690.5625
0.1653216.6713000.65120.5
0.1301233.3314000.64140.4375
0.1375250.015000.59700.5
0.1173266.6716000.61190.5
0.108283.3317000.63250.5
0.1183300.018000.61220.5

Framework versions

  • Transformers 4.30.2
  • Pytorch 2.0.1+cu118
  • Datasets 2.13.1
  • Tokenizers 0.13.3

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
1f44dcd

0 моделей