/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
25 авг 2022

XLS-R_53_english

Распознавание речиАудио → текст8 профессий

Англоязычная модель на базе XLS-R для преобразования речи в аудио в текст.

10скачиваний за 30 дней0лайковвеса обновлены20 сен 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

hadiqa123 выпустил XLS-R53english — англоязычную модель автоматического распознавания речи, дообученную для декодирования аудио в текст. Она основана на facebook/wav2vec2-large-xlsr-53, использует архитектуру Wav2Vec2ForCTC и содержит 402,7 млн параметров. Модель принимает аудио и выдаёт распознанный текст; в карточке приведена оценка WER 0,3033 на тестовом наборе, но его состав не описан. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация английской речи
  • распознавание речи в аудиозаписях
  • получение текстовой расшифровки аудио

Ограничения

WER 0,3033 указан для неописанного тестового набора, поэтому качество на других данных может отличаться. Название обучающего набора в карточке не приведено.

Для каких профессий подходит8

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

XLS-R_53_english

This model is a fine-tuned version of facebook/wav2vec2-large-xlsr-53 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3430
  • Wer: 0.3033

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: 0.0001
  • train_batch_size: 8
  • 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: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
4.65891.655003.15481.0
2.53633.310001.02500.8707
0.8494.9515000.39640.4636
0.48126.620000.33410.3907
0.34718.2525000.33510.3659
0.27979.930000.31040.3475
0.233611.5535000.35450.3419
0.211613.240000.35770.3353
0.168814.8545000.33830.3302
0.158716.550000.34310.3235
0.135818.1555000.35040.3209
0.132319.860000.34680.3191
0.11521.4565000.33310.3127
0.10823.170000.34970.3099
0.093824.7575000.35320.3091
0.097426.480000.34610.3086
0.086728.0585000.34220.3054
0.085229.790000.34300.3033

Framework versions

  • Transformers 4.17.0
  • Pytorch 1.12.1+cu113
  • Datasets 1.18.3
  • Tokenizers 0.12.1

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
4987039

0 моделей