/ Модель

Характеристики

Параметры
403 млн
Лицензия
CC BY-NC 4.0
Архитектура
wav2vec2 · dense
Опубликована
12 сен 2023

wav2vec2-base-finetune-vi-v6

Распознавание речиАудио → текст5 профессий

Модель wav2vec2 для преобразования аудиоречи в текст, дообученная для распознавания вьетнамской речи.

19скачиваний за 30 дней0лайковвеса обновлены22 дек 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

foxxy-hm/wav2vec2-base-finetune-vi-v6 — модель автоматического распознавания речи на архитектуре wav2vec2 с классификационной головой CTC. В README указана тонкая настройка этой же модели; сведения о датасете и подробностях обучения отсутствуют. Модель содержит 402,8 млн параметров и опубликована в формате PyTorch.

Модель предназначена для преобразования аудиоречи в текст. В README приведены результаты оценки: loss 0,2240 и WER 0,1296. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Сценарии применения

  • транскрибация вьетнамской речи
  • распознавание вьетнамской речи в аудиозаписях
  • получение текстовых расшифровок аудио

Ограничения

README не содержит сведений о датасете и конкретных ограничениях модели. Лицензия запрещает коммерческое использование.

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

wav2vec2-base-finetune-vi-v6

This model is a fine-tuned version of foxxy-hm/wav2vec2-base-finetune-vi-v6 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2240
  • Wer: 0.1296

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: 6e-05
  • train_batch_size: 16
  • 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: 20

Training results

Training LossEpochStepValidation LossWer
0.08481.185000.17920.1299
0.08812.3710000.19780.1322
0.07893.5515000.20500.1330
0.07294.7420000.20130.1320
0.06115.9225000.20340.1334
0.05977.1130000.21160.1326
0.05818.2935000.21230.1323
0.04819.4840000.21340.1310
0.050710.6645000.22220.1314
0.044111.8550000.21420.1312
0.042713.0355000.22700.1302
0.040214.2260000.22120.1298
0.040215.465000.21500.1288
0.038116.5970000.22400.1294
0.03917.7775000.22240.1286
0.038318.9680000.22400.1296

Framework versions

  • Transformers 4.30.2
  • Pytorch 2.0.0
  • Datasets 2.8.0
  • 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
96d13eb

0 моделей