/ Модель

Характеристики

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

wav2vec2-large-xlsr-53-third-train

Распознавание речиАудио → текст

Дообученная модель Wav2Vec2 для преобразования речи в текст, результаты которой указывают на низкую точность распознавания.

7скачиваний за 30 дней0лайковвеса обновлены6 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/wav2vec2-large-xlsr-53-third-train — дообученная модель распознавания речи на основе fathyy/wav2vec2-large-xlsr-53-second-train. Она построена на архитектуре Wav2Vec2ForCTC, содержит 402,7 млн параметров и принимает аудио, преобразуя речь в текст. В README указан результат WER 0,9367 на оценочной выборке; такой показатель свидетельствует о высоком уровне ошибок и ограниченной точности распознавания.

Модель опубликована в формате safetensors и рассчитана на использование с библиотекой Transformers. Данные о языке и обучающем наборе не приведены. Лицензия — Apache-2.0.

Сценарии применения

  • Экспериментальная проверка распознавания речи
  • Оценка качества дообученной модели Wav2Vec2 на аудиозаписях
  • Исследование ошибок распознавания речи

Ограничения

На оценочной выборке WER составляет 0,9367, что указывает на очень высокий уровень ошибок. Язык и характеристики обучающего набора не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xlsr-53-third-train

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

  • Loss: 1.9881
  • Wer: 0.9367

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: 6
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 12
  • 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
2.34822.99405002.29090.9669
2.35475.988010002.48880.9759
2.34578.982015002.35500.9880
2.155111.976020002.23350.9458
1.936914.970125002.13640.9458
1.678317.964130001.98810.9367

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
ffedd32

0 моделей