/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-large-xlsr-53-AsanteTwi-06
Опубликована
19 июл 2023

wav2vec2-large-xlsr-53-AsanteTwi-06second

Распознавание речиАудио → текст5 профессий

Дообученная wav2vec 2.0 модель для распознавания речи на асанте-тви и преобразования аудио в текст.

14скачиваний за 30 дней0лайковвеса обновлены19 июл 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 ayertey01/wav2vec2-large-xlsr-53-AsanteTwi-06second — дообученная версия wav2vec2-large-xlsr-53-AsanteTwi-06 от ayertey01 для автоматического распознавания речи на датасете Common Voice 13.0. Это модель архитектуры Wav2Vec2ForCTC с 402,7 млн параметров, представленная в формате PyTorch.

Модель предназначена для преобразования аудиозаписей на языке асанте-тви в текст. На оценочной выборке указаны loss 0,6678 и WER 0,4375. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация записей на асанте-тви
  • распознавание речи из датасета Common Voice
  • создание текстовых расшифровок аудиозаписей на асанте-тви

Ограничения

На оценочной выборке указана частота ошибок слов WER 0,4375; качество может различаться на других данных и условиях записи.

Для каких профессий подходит5

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

wav2vec2-large-xlsr-53-AsanteTwi-06second

This model is a fine-tuned version of ayertey01/wav2vec2-large-xlsr-53-AsanteTwi-06 on the common_voice_13_0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6678
  • Wer: 0.4375

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: 120

Training results

Training LossEpochStepValidation LossWer
3.099216.671002.41011.0
0.362233.332000.86520.4375
0.180450.03000.85670.4375
0.141266.674000.89140.5625
0.119383.335000.67230.4375
0.1063100.06000.66340.4375
0.0976116.677000.66780.4375

Framework versions

  • Transformers 4.31.0
  • 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
bf767bc

0 моделей