/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

xls-r-300m-sv-cv8

hf-test
Распознавание речиАудио → текст5 профессий

Дообученная wav2vec 2.0 модель распознаёт шведскую речь и преобразует её в текст.

11скачиваний за 30 дней1лайквеса 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

Модель hf-test/xls-r-300m-sv-cv8 — дообученная версия facebook/wav2vec2-xls-r-300m для автоматического распознавания речи на шведском языке (sv-SE). Она основана на архитектуре wav2vec 2.0 с CTC-декодированием и содержит около 402,7 млн параметров. Модель обучена на наборе MOZILLA-FOUNDATION/COMMON_VOICE_8_0; для оценки приведены показатели WER 0,2465 и CER 0,0717 без языковой модели, а с языковой моделью — WER 0,1710 и CER 0,0569.

Модель предназначена для преобразования шведской речи в текст, например для расшифровки записей и голосовых сообщений. Репозиторий содержит веса PyTorch, а лицензия — Apache-2.0. Карточка не описывает отдельные ограничения качества или условия работы языковой модели; приведённые метрики относятся к оценочному набору Common Voice 8.0.

Сценарии применения

  • расшифровка записей речи на шведском языке
  • распознавание шведских голосовых сообщений
  • создание субтитров для шведской речи

Ограничения

Качество оценено на Common Voice 8.0 и может отличаться на других типах записей и акустических условиях. Метрики с языковой моделью предполагают использование внешней языковой модели при декодировании.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.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

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

Without LM:

  • Wer: 0.2465
  • Cer: 0.0717

With LM:

  • Wer: 0.1710
  • Cer: 0.0569

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: 50.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
3.32241.375003.26761.0
2.93192.7410002.92871.0000
2.11734.1115001.14780.8788
1.69735.4820000.67490.6547
1.58656.8525000.55000.5634
1.50948.2230000.48400.5430
1.46449.5935000.48440.4142
1.406110.9640000.43560.3808
1.358412.3345000.41920.3698
1.343813.750000.39800.3584
1.333215.0755000.38960.3572
1.302516.4460000.38350.3487
1.297917.8165000.37810.3417
1.273619.1870000.37340.3270
1.241520.5575000.36370.3316
1.225521.9280000.35460.3147
1.219323.2985000.35240.3196
1.210424.6690000.34030.3097
1.196526.0395000.35080.3093
1.197627.4100000.34190.3071
1.18228.77105000.33640.2963
1.15830.14110000.33380.2932
1.141431.51115000.33760.2940
1.140232.88120000.33700.2891
1.121334.25125000.32010.2874
1.120735.62130000.32610.2826
1.107436.98135000.31170.2786
1.081838.36140000.31940.2776
1.088939.73145000.31880.2738
1.067241.1150000.31960.2773
1.083842.47155000.31300.2739
1.055343.83160000.31650.2704
1.078645.21165000.31080.2706
1.054646.57170000.31020.2677
1.042547.94175000.31150.2679
1.039849.31180000.31310.2666

Framework versions

  • Transformers 4.16.0.dev0
  • Pytorch 1.10.1+cu113
  • Datasets 1.18.1.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
ef74209

0 моделей

    Создать бенчмарк