/ Модель
Каталог

Характеристики

Параметры
403 млн
Архитектура
wav2vec2 · dense

Ссылки

Hugging Face

output

deepdml
Распознавание речиАудио → текст3 профессии

Дообученная модель Wav2Vec2 для автоматического распознавания речи, обученная на наборе Common Voice для языка AB.

21скачиваний за 30 дней0лайковвеса обновлены21 янв 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.

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

deepdml/output — модель распознавания речи на архитектуре Wav2Vec2ForCTC с 402,7 млн параметров. По README, это дообученная версия hf-test/xls-r-dummy, обученная на наборе MOZILLA-FOUNDATION/COMMON_VOICE_7_0 — AB.

Модель предназначена для преобразования речи в текст. В карточке приведены результаты оценки на тестовой выборке: Loss 156,8789 и WER 1,3456. Описание сценариев применения и ограничений в README не раскрыто. Репозиторий содержит веса PyTorch; сведения о лицензии отсутствуют.

Сценарии применения

  • транскрибация речи на языке AB
  • распознавание аудио из набора Common Voice 7.0
  • эксперименты с распознаванием речи на базе XLS-R

Ограничения

В README указаны высокие значения Loss (156,8789) и WER (1,3456), что свидетельствует о слабом качестве распознавания по этой оценке. Сведения о лицензии и практических ограничениях не приведены.

Для каких профессий подходит3

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 953модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

output

This model is a fine-tuned version of hf-test/xls-r-dummy on the MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - AB dataset. It achieves the following results on the evaluation set:

  • Loss: 156.8789
  • Wer: 1.3456

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: 2
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • training_steps: 10
  • mixed_precision_training: Native AMP

Training results

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
de65a85

0 моделей

    Создать бенчмарк