/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-large-xlsr-53
Опубликована
5 апр 2023

wav2vec2-large-xlsr-moroccan-darija

Распознавание речиАудио → текст7 профессий

Модель wav2vec2, дообученная для распознавания марокканской дариджи и преобразования речи в текст.

1 937скачиваний за 30 дней32лайкавеса обновлены12 апр 2024

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 boumehdi/wav2vec2-large-xlsr-moroccan-darija — акустическая модель распознавания речи на базе wav2vec2-large-xlsr-53, дообученная разработчиком на размеченных аудиозаписях марокканской дариджи. В карточке указано, что обучение проводилось на 57 часах аудио из корпуса MDVC; разработчик постепенно добавлял данные, чтобы унифицировать запись дариджи.

Модель предназначена для преобразования речи на марокканской даридже в текст. Она использует архитектуру Wav2Vec2ForCTC, содержит около 402,7 млн параметров и принимает аудио. Репозиторий опубликован в формате PyTorch.

Точность может зависеть от вариаций произношения и принятого способа записи дариджи: разработчик отмечает, что продолжает дообучение и стандартизацию текстовых транскрипций. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей на марокканской даридже
  • распознавание дариджи в голосовых сообщениях
  • создание текстовых расшифровок марокканских интервью
  • преобразование речи на даридже в текст для поиска и архивации

Ограничения

Разработчик указывает, что дообучение продолжается, а качество зависит от стандартизации написания марокканской дариджи. В README не приведены количественные метрики качества.

Для каких профессий подходит7

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-Moroccan-Darija

wav2vec2-large-xlsr-53 new model

  • Fine-tuned on 57 hours of labeled Darija Audios extracted from MDVC (https://ijeecs.iaescore.com/index.php/IJEECS/article/view/35709) which contains more than 1000 hours of Moroccan Darija "ary".
  • Fine-tuning is ongoing 24/7 to enhance accuracy.
  • We are consistently adding data to the model every day (We prefer not to add all MDVC Corpus at once as we are trying to standardize more and more the way we write the Moroccan Darija).

Usage

The model can be used directly as follows:

import librosa
import torch
from transformers import Wav2Vec2CTCTokenizer, Wav2Vec2ForCTC, Wav2Vec2Processor, TrainingArguments, Wav2Vec2FeatureExtractor, Trainer

tokenizer = Wav2Vec2CTCTokenizer("./vocab.json", unk_token="[UNK]", pad_token="[PAD]", word_delimiter_token="|")
processor = Wav2Vec2Processor.from_pretrained('boumehdi/wav2vec2-large-xlsr-moroccan-darija', tokenizer=tokenizer)
model=Wav2Vec2ForCTC.from_pretrained('boumehdi/wav2vec2-large-xlsr-moroccan-darija')


# load the audio data (use your own wav file here!)
input_audio, sr = librosa.load('file.wav', sr=16000)

# tokenize
input_values = processor(input_audio, return_tensors="pt", padding=True).input_values

# retrieve logits
logits = model(input_values).logits

tokens = torch.argmax(logits, axis=-1)

# decode using n-gram
transcription = tokenizer.batch_decode(tokens)

# print the output
print(transcription)

Output: قالت ليا هاد السيد هادا ما كاينش بحالو

email: souregh@gmail.com

BOUMEHDI Ahmed

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
df99f23

0 моделей