/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
2 мар 2022

Ссылки

Hugging Face

wav2vec2-large-xls-r-300m-guarani-small

glob-asr
Распознавание речиАудио → текст

Модель Wav2Vec2, дообученная на Common Voice для распознавания речи на гуарани.

19скачиваний за 30 дней0лайковвеса обновлены24 мар 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

wav2vec2-large-xls-r-300m-guarani-small — модель распознавания речи на архитектуре Wav2Vec2ForCTC, разработанная дообучением facebook/wav2vec2-xls-r-300m на Common Voice. Она преобразует аудио в текст и предназначена для распознавания произнесённой речи на гуарани. Число параметров — 402,7 млн; модель опубликована в формате PyTorch и распространяется по лицензии Apache-2.0.

На тестовой выборке указаны loss 0,4964 и WER 0,5957. Высокий WER указывает на заметные ошибки распознавания, поэтому перед практическим применением качество стоит проверить на аудио, похожем на целевые записи. Карточка не описывает дополнительные сценарии использования или ограничения.

Сценарии применения

  • расшифровка записей речи на гуарани
  • распознавание аудио на гуарани из набора Common Voice
  • получение текста из устных высказываний на гуарани

Ограничения

На оценочной выборке модель показала WER 0,5957, что указывает на заметную долю ошибок распознавания. Качество на других источниках аудио в карточке не описано.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xls-r-300m-guarani-small

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

  • Loss: 0.4964
  • Wer: 0.5957

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: 0.0002
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • 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: 100
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
No log6.651001.13261.0
1.656913.322000.52640.6478
1.656919.973000.53700.6261
0.229326.654000.49640.5957

Framework versions

  • Transformers 4.16.2
  • Pytorch 1.10.0+cu111
  • Datasets 1.18.3
  • 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
e601b22

0 моделей

    Создать бенчмарк