/ Модель

Характеристики

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

xls-r-300m-te

Распознавание речиАудио → текст5 профессий

Дообученная на OPENSLR_SLR66 модель Wav2Vec2 для распознавания речи на телугу и преобразования её в текст.

19скачиваний за 30 дней0лайковвеса обновлены24 мар 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

chmanoj/xls-r-300m-te — модель распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m на наборе OPENSLR_SLR66 для языка телугу. Она принимает аудио и преобразует речь в текст; архитектура основана на Wav2Vec2 с декодированием CTC, число параметров — 402,7 млн. В оценке на тестовом наборе указана WER 0,3467. Модель предназначена для автоматической транскрипции речи на телугу.

Опубликована под лицензией Apache-2.0. Указанный показатель WER относится к оценочному набору OPENSLR_SLR66; качество на других записях может отличаться.

Сценарии применения

  • транскрибация аудиозаписей на телугу
  • распознавание речи на телугу в аудиоданных OPENSLR_SLR66
  • создание текстовых расшифровок речи на телугу

Ограничения

В README приведена WER 0,3467 на оценочном наборе OPENSLR_SLR66; показатели на других данных не указаны. Описание не сообщает ограничений по шуму, акцентам или условиям 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

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the OPENSLR_SLR66 - NA dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2680
  • Wer: 0.3467

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: 7.5e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 2000
  • num_epochs: 10.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
3.03044.815001.56761.0554
1.52639.6110000.46930.8023
1.529914.4215000.43680.7311
1.506319.2320000.43600.7302
1.45524.0425000.42130.6692
1.475528.8430000.43290.5943
1.35233.6535000.40740.5765
1.312238.4640000.38660.5630
1.279943.2745000.38600.5480
1.21248.0850000.35900.5317
1.164552.8855000.32830.4757
1.085457.6960000.31620.4687
1.029262.565000.31260.4416
0.960767.3170000.29900.4066
0.915672.1275000.28700.4009
0.832976.9280000.27910.3909
0.797981.7385000.27700.3670
0.714486.5490000.28410.3661
0.699791.3595000.27210.3485
0.656896.15100000.26810.3437

Framework versions

  • Transformers 4.16.0.dev0
  • Pytorch 1.10.1+cu102
  • Datasets 1.17.1.dev0
  • Tokenizers 0.11.0

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
6c8a9b5

0 моделей