/ Модель

Характеристики

Параметры
403 млн
Архитектура
wav2vec2 · dense

common6

Распознавание речиАудио → текст6 профессий

Модель Wav2Vec2, дообученная для распознавания персидской речи и преобразования аудио в текст.

12скачиваний за 30 дней0лайковвеса обновлены7 фев 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.

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

ghofrani/common6 — модель распознавания речи на базе архитектуры Wav2Vec2ForCTC, дообученная на датасете COMMON_VOICE для персидского языка. Она принимает аудио и преобразует речь в текст; на указанном в карточке наборе оценки показала WER 0,3421 и loss 0,3706. Размер модели — 402,8 млн параметров. Лицензия в предоставленных данных не указана.

Сценарии применения

  • транскрибация речи на персидском языке
  • распознавание персидской речи в аудиозаписях
  • создание текстовых расшифровок персидского аудио

Ограничения

На оценочном наборе указана WER 0,3421; качество на других аудиозаписях может отличаться. Карточка не приводит дополнительных сведений об ограничениях.

Для каких профессий подходит6

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

common6

This model is a fine-tuned version of common6/checkpoint-3500 on the COMMON_VOICE - FA dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3706
  • Wer: 0.3421

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: 32
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 256
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 200.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
1.034410.05000.40430.4511
0.965120.010000.37930.4159
0.912530.015000.37560.4046
0.883140.020000.36500.3876
0.839950.025000.36050.3772
0.81960.030000.36220.3714
0.802970.035000.35610.3664
0.810480.040000.35950.3660
0.811890.045000.34600.3592
0.7831100.050000.35660.3593
0.744110.055000.35780.3535
0.7388120.060000.35380.3520
0.714130.065000.36820.3506
0.7291140.070000.36250.3505
0.697150.075000.36190.3479
0.6811160.080000.36310.3440
0.6841170.085000.36720.3460
0.6616180.090000.36770.3410
0.6471190.095000.37070.3420
0.6759200.0100000.37060.3421

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.2
  • Datasets 1.18.3.dev0
  • Tokenizers 0.10.3

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
eca7da6

0 моделей