/ Модель
Каталог

Характеристики

Параметры
1,3 млрд
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-xls-r-1b
Библиотека
transformers
Опубликована
20 янв 2025

Ссылки

Hugging Face

wav2vec2-xls-r-1b-distant-from-faroese-251h-30-epochs_20250120_v2

davidilag
Распознавание речиАудио → текст5 профессий

Дообученная на базе XLS-R модель wav2vec 2.0 для преобразования речи из аудио в текст.

14скачиваний за 30 дней0лайковвеса обновлены20 янв 2025

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.

Открыть конструктор бенчмарка

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

Это модель автоматического распознавания речи на базе wav2vec 2.0 XLS-R, дообученная автором davidilag на неизвестном наборе данных. Она принимает аудио и преобразует речь в текст; число параметров — 1,3 млрд. В README приведены результаты оценки: WER 24,1682 и CER 3,8304, однако описание набора данных и условий оценки отсутствует.

Модель предназначена для транскрибирования речи. Метаданные не определяют поддерживаемые языки, поэтому нельзя надёжно указать язык или область применения. Файлы представлены в формате safetensors, используется библиотека Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибирование аудиозаписей речи
  • распознавание речи в аудиофайлах
  • получение текстовой расшифровки речевых данных

Ограничения

Язык и состав обучающих данных не раскрыты; условия оценки не описаны. Указанные WER и CER нельзя интерпретировать без сведений о тестовом наборе и протоколе.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-xls-r-1b-distant-from-faroese-251h-30-epochs_20250120_v2

This model is a fine-tuned version of facebook/wav2vec2-xls-r-1b on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0947
  • Wer: 24.1682
  • Cer: 3.8304

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Lan=Hungarian, 44h

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 3000
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
2.00581.445110001.356299.553142.6542
0.59462.890220000.256742.12437.7199
0.28224.335330000.166233.23075.6799
0.27825.780340000.140430.09245.0783
0.29947.225450000.123328.89564.7534
0.22598.670560000.125128.14584.5812
0.179810.115670000.116127.01864.3967
0.173411.560780000.108126.28864.2150
0.218313.005890000.104426.06524.1661
0.163914.4509100000.100125.69774.0875
0.151915.8960110000.097225.20614.0101
0.125517.3410120000.099325.31534.0461
0.118118.7861130000.095724.82373.9891
0.127420.2312140000.095224.61023.9003
0.130221.6763150000.096124.55063.9261
0.107323.1214160000.095224.41163.8732
0.099824.5665170000.094424.30733.8386
0.114926.0116180000.095224.25763.8338
0.11527.4566190000.094624.17323.8243
0.091128.9017200000.094724.16823.8304

Framework versions

  • Transformers 4.48.0
  • Pytorch 2.5.1+cu124
  • Datasets 3.2.0
  • Tokenizers 0.21.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
de1beb2

0 моделей

    Создать бенчмарк