/ Модель

Характеристики

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

wav2vec2-large-xls-r-300m-hsb-colab

Распознавание речиАудио → текст3 профессии

Дообученная на Common Voice модель wav2vec2 для распознавания верхнелужицкой речи в текст.

9скачиваний за 30 дней0лайковвеса обновлены3 июн 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

brindap/wav2vec2-large-xls-r-300m-hsb-colab — модель распознавания речи на архитектуре wav2vec2 с CTC-декодированием, дообученная на Common Voice на основе facebook/wav2vec2-xls-r-300m. Она предназначена для преобразования входной речи в текст; суффикс hsb в названии указывает на верхнелужицкий язык. Модель содержит около 402,7 млн параметров и опубликована в формате PyTorch.

В карточке приведён результат оценки на тестовой выборке: WER 0,9818 и loss 3,2283, что указывает на очень высокую долю ошибок распознавания в этой оценке. Модель распространяется по лицензии Apache-2.0. Подробности о наборе оценки и условиях применения в карточке не раскрыты.

Сценарии применения

  • транскрибация записей на верхнелужицком языке
  • распознавание верхнелужицкой речи из аудиофайлов
  • эксперименты с автоматическим распознаванием малоресурсной речи

Ограничения

В указанной оценке WER составляет 0,9818, что означает крайне низкое качество распознавания на этой выборке. Карточка не описывает ограничения по шуму, акцентам или условиям записи.

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-xls-r-300m-hsb-colab

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the common_voice dataset. It achieves the following results on the evaluation set:

  • Loss: 3.2283
  • Wer: 0.9818

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: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
17.24145.56507.67901.0
5.591311.111004.11671.0
3.847816.671503.39651.0
3.344222.222003.28281.0
3.221927.782503.22830.9818

Framework versions

  • Transformers 4.18.0
  • Pytorch 1.11.0+cu113
  • Datasets 2.2.2
  • Tokenizers 0.12.1

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
e453861

0 моделей