/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense

Ссылки

Hugging Face

xls-r-300m-pa

gagan3012
Распознавание речиАудио → текст4 профессии

Дообученная на Common Voice модель Wav2Vec2 для распознавания пенджабской речи в текст.

11скачиваний за 30 дней0лайковвеса обновлены31 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

gagan3012/xls-r-300m-pa — модель автоматического распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m на наборе MOZILLA-FOUNDATION/COMMON_VOICE_8_0 для языка пенджаби (региональный вариант PA-IN). Она принимает аудио и преобразует речь в текст; архитектура основана на Wav2Vec2 и использует CTC. В репозитории указано 402,7 млн параметров и формат PyTorch.

На оценочной выборке модель показала WER 0,5715 и loss 1,0443. Карточка не описывает дополнительные сценарии применения и ограничения качества; высокий WER указывает на заметную долю ошибок распознавания. Лицензия — Apache-2.0.

Сценарии применения

  • расшифровка записей речи на пенджаби
  • автоматическая транскрибация аудио на пенджаби
  • распознавание пенджабской речи в аудиозаписях

Ограничения

На оценочной выборке WER составляет 0,5715, поэтому распознавание может содержать много ошибок. Карточка не приводит дополнительных сведений об ограничениях и условиях записи аудио.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xls-r-300m-pa

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - PA-IN dataset. It achieves the following results on the evaluation set:

  • Loss: 1.0443
  • Wer: 0.5715

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: 7.5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 2000
  • num_epochs: 500.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
4.669419.225004.04551.0
3.390738.4510003.28361.0
2.086657.6715001.27880.7715
1.410676.920000.78660.6891
1.171196.1525000.65560.6272
1.038115.3730000.61950.5680
0.8989134.635000.65630.5602
0.8021153.8240000.66440.5327
0.7161173.0745000.68440.5253
0.6449192.350000.70180.5331
0.5659211.5255000.74510.5465
0.5118230.7560000.78570.5386
0.4385249.9765000.80620.5382
0.3984269.2270000.83160.5621
0.3666288.4575000.87360.5504
0.3256307.6780000.91330.5688
0.289326.985000.95560.5684
0.2663346.1590000.93440.5708
0.2445365.3795000.94720.5590
0.2289384.6100000.97130.5672
0.2048403.82105000.99780.5762
0.1857423.07110001.02300.5798
0.1751442.3115001.04090.5755
0.1688461.52120001.04450.5727
0.1633480.75125001.04840.5739
0.1488499.97130001.04430.5715

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.2+cu102
  • Datasets 1.18.2.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
cf68478

0 моделей

    Создать бенчмарк