/ Модель
Каталог

Характеристики

Параметры
403 млн
Архитектура
wav2vec2 · dense

Ссылки

Hugging Face

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

glob-asr
Распознавание речиАудио → текст8 профессий

Модель Wav2Vec2, дообученная на Common Voice для автоматического распознавания испанской речи.

17скачиваний 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

wav2vec2-large-xls-r-300m-spanish-small — модель автоматического распознавания речи на основе архитектуры Wav2Vec2ForCTC, дообученная glob-asr на датасете Common Voice от базовой модели jhonparra18/wav2vec2-large-xls-r-300m-spanish-custom. Модель принимает аудио и преобразует речь в текст; она предназначена для распознавания испанской речи.

В репозитории указано 402,7 млн параметров. На оценочной выборке модель достигла loss 0,3596 и WER 0,2105. Доступны веса в формате PyTorch. Лицензия и подробные ограничения в предоставленных данных не указаны.

Сценарии применения

  • транскрибация испанской речи
  • распознавание испанской речи из аудиозаписей
  • создание текстовых субтитров для испанского аудио

Ограничения

На оценочной выборке указана частота ошибок слов WER 0,2105; качество может отличаться на других данных и условиях записи. Лицензия и подробные ограничения использования в предоставленных источниках не указаны.

Для каких профессий подходит8

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.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

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

This model is a fine-tuned version of jhonparra18/wav2vec2-large-xls-r-300m-spanish-custom on the common_voice dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3596
  • Wer: 0.2105

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: 0.0003
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.19710.794000.21690.2077
0.22931.588000.25070.2418
0.20652.3712000.27030.2459
0.18423.1616000.27160.2495
0.16343.9520000.26950.2510
0.14434.7424000.27540.2435
0.13455.5328000.31190.2654
0.12676.3232000.31540.2573
0.12377.1136000.32510.2666
0.11187.9140000.31390.2503
0.10518.744000.32860.2573
0.09649.4948000.33480.2587
0.094610.2852000.33570.2587
0.089711.0756000.34080.2590
0.081211.8660000.33800.2560
0.07912.6564000.33040.2415
0.075313.4468000.35570.2540
0.071714.2372000.35070.2519
0.069115.0276000.35540.2587
0.062615.8180000.36190.2520
0.066116.684000.36090.2564
0.058217.3988000.38180.2520
0.055618.1892000.36850.2410
0.051518.9796000.36580.2367
0.047819.76100000.37010.2413
0.048620.55104000.36810.2371
0.046821.34108000.36070.2370
0.045222.13112000.34990.2286
0.039922.92116000.36470.2282
0.039323.72120000.36380.2255
0.038124.51124000.33590.2202
0.033225.3128000.34880.2177
0.03326.09132000.36280.2175
0.031126.88136000.36950.2195
0.029427.67140000.36240.2164
0.028128.46144000.36880.2113
0.027429.25148000.35960.2105

Framework versions

  • Transformers 4.16.0.dev0
  • Pytorch 1.10.1+cu102
  • Datasets 1.17.1.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
10f1ef1

0 моделей

    Создать бенчмарк