/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-large-xlsr-53
Библиотека
transformers
Опубликована
5 дек 2024

wav2vec2-large-xlsr-53-first-try

Распознавание речиАудио → текст

Дообученная wav2vec2-модель для преобразования речи в текст, качество которой по указанной оценке ограничено.

7скачиваний за 30 дней0лайковвеса обновлены5 дек 2024

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

fathyy разработал модель fathyy/wav2vec2-large-xlsr-53-first-try как дообученную версию facebook/wav2vec2-large-xlsr-53 для автоматического распознавания речи. Это модель архитектуры Wav2Vec2ForCTC с 402,7 млн параметров, принимающая аудио и выдающая текстовую транскрипцию. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Карточка сообщает о результате оценки WER 1.0 и loss 3.0619, что указывает на слабое качество распознавания в указанной оценке. Датасет и языки дообучения не определены в карточке, поэтому область применения и языковую поддержку нельзя уточнить.

Сценарии применения

  • транскрибация аудиозаписей
  • распознавание речи в голосовых сообщениях
  • создание черновых текстовых расшифровок

Ограничения

В оценке из карточки указана WER 1.0 и loss 3.0619, что свидетельствует о низком качестве на этом наборе оценки. Датасет дообучения указан как None, языковая поддержка не установлена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xlsr-53-first-try

This model is a fine-tuned version of facebook/wav2vec2-large-xlsr-53 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 3.0619
  • Wer: 1.0

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: 0.001
  • train_batch_size: 8
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1200
  • num_epochs: 20
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
13.21364.05003.69041.0
3.51498.010003.48391.0
3.386612.015003.39311.0
3.331216.020003.24771.0
3.174920.025003.06191.0

Framework versions

  • Transformers 4.45.2
  • Pytorch 2.4.0
  • Datasets 3.0.1
  • Tokenizers 0.20.0

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
042e2bb

0 моделей