/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

wav2vec2-xls-r-1b-scandinavian-E2-100h-30-epochs-20250123

davidilag
Распознавание речиАудио → текст9 профессий

Дообученная на базе XLS-R модель для преобразования речи в текст.

11скачиваний за 30 дней0лайковвеса обновлены23 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

wav2vec2-xls-r-1b-scandinavian-E2-100h-30-epochs-20250123 — дообученная Davidilag модель распознавания речи на базе facebook/wav2vec2-xls-r-1b. Она использует архитектуру Wav2Vec2ForCTC и принимает аудио, выдавая распознанный текст. В README приведены результаты на оценочном наборе: WER 21,627 и CER 4,5904; набор данных и условия оценки не описаны, поэтому эти значения нельзя уверенно переносить на другие записи.

Модель предназначена для автоматической транскрипции речи. В метаданных указаны 1,3 млрд параметров, библиотека Transformers и формат safetensors. Лицензия — Apache-2.0. Язык или языки дообучения из карточки установить нельзя.

Сценарии применения

  • транскрибирование аудиозаписей речи
  • распознавание речи для получения текстовых субтитров
  • оценка качества транскрипции по метрикам WER и CER

Ограничения

Данные обучения и поддерживаемые языки не описаны. Метрики WER и CER приведены без сведений об оценочном наборе и протоколе, поэтому качество на конкретных данных может отличаться.

Для каких профессий подходит9

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.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-xls-r-1b-scandinavian-E2-100h-30-epochs-20250123

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: 0.1348
  • Wer: 21.6270
  • Cer: 4.5904

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: 0.0001
  • 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: 6000
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
1.05690.583110000.511863.879916.0725
0.46431.166220000.264738.14289.2101
0.37971.749330000.215833.03907.8553
0.35582.332440000.199631.89937.4365
0.37842.915550000.203931.77187.5216
0.43323.498560000.218133.07047.8748
0.31124.081670000.207032.46277.6624
0.31894.664780000.197031.60007.4421
0.27685.247890000.199831.23807.4350
0.29245.8309100000.187130.24797.0815
0.29716.4140110000.187430.39577.2106
0.33266.9971120000.186029.79727.0494
0.28337.5802130000.190830.09647.1554
0.22838.1633140000.177529.12116.8593
0.21458.7464150000.176828.58366.6787
0.25569.3294160000.178528.78316.7674
0.25679.9125170000.173828.30096.5702
0.241810.4956180000.171928.54666.6845
0.173311.0787190000.161927.04676.2287
0.173411.6618200000.162426.60526.1501
0.202612.2449210000.161426.84176.1794
0.189812.8280220000.154126.69026.1292
0.214913.4111230000.157026.37806.0525
0.175113.9942240000.149425.87565.8931
0.148814.5773250000.146825.58195.7224
0.128315.1603260000.147725.33805.6983
0.136315.7434270000.146324.84305.5717
0.132416.3265280000.145324.90955.5905
0.14316.9096290000.143424.69155.5245
0.124117.4927300000.143624.19655.3843
0.097618.0758310000.147524.14295.3458
0.094518.6589320000.140523.48715.1769
0.108519.2420330000.139323.65155.1972
0.116519.8251340000.135023.25995.1165
0.119520.4082350000.143523.11965.0626
0.10120.9913360000.136622.92194.9904
0.076421.5743370000.135922.68924.9498
0.080622.1574380000.137222.55064.8653
0.08422.7405390000.135022.35304.8049
0.082523.3236400000.138022.18124.7661
0.078823.9067410000.140722.12214.7596
0.063224.4898420000.138522.04634.7328
0.050225.0729430000.139321.97614.6974
0.048225.6560440000.138421.99464.6878
0.061226.2391450000.136421.76194.6330
0.070826.8222460000.134621.73784.6234
0.060927.4052470000.135321.71014.6142
0.063227.9883480000.136121.70644.6071
0.052828.5714490000.135021.67694.6064
0.069629.1545500000.134721.63814.5898
0.056429.7376510000.134821.62704.5904

Framework versions

  • Transformers 4.48.1
  • 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
9c944aa

0 моделей

    Создать бенчмарк