/ Модель

Характеристики

Параметры
113 млн
Архитектура
wav2vec2 · dense
Опубликована
7 мая 2022

bach-arb

Распознавание речиАудио → текст6 профессий

Дообученная модель Wav2Vec2 для преобразования речи из аудио в текст.

14скачиваний за 30 дней0лайковвеса обновлены15 мая 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

bkh6722/bach-arb — модель распознавания речи на базе Wav2Vec2ForCTC, дообученная из jonatasgrosman/wav2vec2-large-xlsr-53-german. Веса PyTorch содержат 113,3 млн параметров. Модель предназначена для преобразования аудио в текст; конкретный язык и обучающий набор данных в карточке не описаны.

На тестовой выборке указаны loss 2,9404 и WER 0,6130. Эти результаты показывают заметную долю ошибок распознавания, поэтому качество следует проверять на целевых аудиозаписях. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • транскрибация аудиозаписей
  • распознавание речи в голосовых сообщениях
  • создание черновых расшифровок аудио

Ограничения

Для тестовой выборки указана высокая частота ошибок: WER 0,6130. Язык модели, обучающие данные и лицензия в предоставленных сведениях не описаны.

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

bach-arb

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

  • Loss: 2.9404
  • Wer: 0.6130

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: 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: 500
  • num_epochs: 115
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
27.86537.141003.13691.0
2.597514.282002.12230.9976
1.200121.413001.74550.8774
0.593828.554001.85340.7981
0.400135.695002.33180.7740
0.289542.836002.22140.7163
0.185349.977002.48410.7043
0.131857.148002.97490.7139
0.106764.289002.47590.7115
0.063571.4110002.67080.6635
0.051578.5511003.05930.6923
0.045585.6912002.96370.6587
0.032992.8313002.98370.6346
0.023299.9714002.93610.6178
0.021107.1415002.92210.6010
0.0193114.2816002.94040.6130

Framework versions

  • Transformers 4.11.3
  • Pytorch 1.10.0+cu113
  • Datasets 1.18.3
  • Tokenizers 0.10.3

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
a404b97

0 моделей