/ Модель

Характеристики

Параметры
403 млн
Архитектура
wav2vec2 · dense
Опубликована
29 апр 2022

wav2vec2-large-xlsr-galician

Распознавание речиАудио → текст5 профессий

Модель Wav2Vec2 для преобразования галисийской речи в текст.

192 тыс.скачиваний за 30 дней2лайкавеса обновлены29 окт 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

ifrz/wav2vec2-large-xlsr-galician — модель автоматического распознавания речи на галисийском языке, созданная путём дообучения facebook/wav2vec2-large-xlsr-53. Она использует архитектуру Wav2Vec2ForCTC и содержит 402,7 млн параметров. Обучение проводилось на размеченных аудиоданных OpenSLR 77 и Mozilla Common Voice 8.0; для оценки указана метрика WER 7,12.

Модель принимает монофоническую речь с частотой дискретизации 16 кГц и преобразует её в текст. Подходит для транскрибирования галисийской речи и распознавания аудио на галисийском языке. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибирование записей на галисийском языке
  • распознавание галисийской речи из монофонического аудио 16 кГц
  • создание текстовых расшифровок галисийских аудиозаписей

Ограничения

Для входного аудио требуется монофонический сигнал с частотой дискретизации 16 кГц. Модель предназначена для галисийского языка; качество распознавания для других языков не заявлено.

Для каких профессий подходит5

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

wav2vec2-large-xlsr-galician


language: gl datasets:

  • OpenSLR 77
  • mozilla-foundation common_voice_8_0 metrics:
  • wer tags:
  • audio
  • automatic-speech-recognition
  • speech
  • xlsr-fine-tuning-week license: apache-2.0 model-index:
  • name: Galician wav2vec2-large-xlsr-galician results:
    • task: name: Speech Recognition type: automatic-speech-recognition dataset_1: name: OpenSLR type: openslr args: gl dataset_2: name: mozilla-foundation type: common voice args: gl metrics:
      • name: Test WER type: wer value: 7.12

Model

Fine-tuned model for Galician language

Based on the facebook/wav2vec2-large-xlsr-53 self-supervised model Fine-tune with audio labelled from OpenSLR and Mozilla Common_Voice (both datasets previously refined)

Check training metrics to see results

Testing

Make sure that the audio speech input is sampled at 16kHz (mono).

from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor

model = Wav2Vec2ForCTC.from_pretrained("ifrz/wav2vec2-large-xlsr-galician")
processor = Wav2Vec2Processor.from_pretrained("ifrz/wav2vec2-large-xlsr-galician")

# Reading taken audio clip
import librosa, torch
audio, rate = librosa.load("./gl_test_1.wav", sr = 16000)

# Taking an input value
input_values = processor(audio, sampling_rate=16_000, return_tensors = "pt", padding="longest").input_values
# Storing logits (non-normalized prediction values)
logits = model(input_values).logits
# Storing predicted ids
prediction = torch.argmax(logits, dim = -1)

# Passing the prediction to the tokenzer decode to get the transcription
transcription = processor.batch_decode(prediction)[0]
print(transcription)

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
70b3bfa

0 моделей