/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base
Опубликована
29 сен 2023

swahili

Распознавание речиАудио → текст5 профессий

Дообученная wav2vec 2.0 модель для распознавания речи на суахили и преобразования аудио в текст.

242скачиваний за 30 дней0лайковвеса обновлены29 сен 2023

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

etonkou/swahili — модель распознавания речи на суахили, разработанная как дообучение facebook/wav2vec2-base. Она использует архитектуру Wav2Vec2ForCTC и содержит 113,3 млн параметров; репозиторий предоставляет веса PyTorch. Модель принимает аудиоречь и выдаёт текстовую транскрипцию.

В README приведены результаты оценки: loss 1,0009 и WER 0,6055. README не описывает обучающие данные и сценарии применения, поэтому качество распознавания за пределами указанной оценки неясно. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация речи на суахили
  • распознавание устной речи в аудиозаписях на суахили
  • создание текстовых субтитров для речи на суахили

Ограничения

На указанной оценочной выборке WER составляет 0,6055, что указывает на заметные ошибки транскрибации. README не раскрывает состав данных и условия оценки, поэтому переносимость результата на другие записи неясна.

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

swahili

This model is a fine-tuned version of facebook/wav2vec2-base on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.0009
  • Wer: 0.6055

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: 3
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 10

Training results

Training LossEpochStepValidation LossWer
0.7231.510001.15210.7429
0.84573.020001.20190.7280
0.64654.530001.03850.6602
0.50816.040000.93030.6310
0.38647.550001.08380.6240
0.31099.060001.00090.6055

Framework versions

  • Transformers 4.33.3
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.5
  • Tokenizers 0.13.3

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
ab73dab

0 моделей