/ Модель

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2-bert · dense
Базовая модель
w2v-bert-2.0
Опубликована
25 июн 2024

pashto-asr-v3

Распознавание речиАудио → текст3 профессии

Дообученная на распознавание пушту речевая модель, преобразующая аудио в текст.

112скачиваний за 30 дней1лайквеса обновлены25 июн 2024

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

ihanif/pashto-asr-v3 — модель автоматического распознавания речи на пушту, созданная дообучением facebook/w2v-bert-2.0. Она принимает аудио и преобразует речь в текст; архитектура основана на Wav2Vec2-BERT, веса опубликованы в формате safetensors. В модели 402,7 млн параметров.

В карточке приведены результаты оценки: Loss 0,1448 и WER 0,1396. Название модели указывает на распознавание пушту, однако README не описывает обучающий набор данных, условия оценки или ограничения качества. Модель распространяется по лицензии MIT.

Сценарии применения

  • транскрибация речи на пушту
  • распознавание пушту в аудиозаписях
  • создание текстовых субтитров к речи на пушту

Ограничения

README не сообщает подробности обучающих данных и условий оценки; приведённый WER 0,1396 относится только к указанному набору оценки. Проверка работы на других акцентах, шумных записях и предметных областях может потребовать отдельной оценки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

pashto-asr-v3

This model is a fine-tuned version of facebook/w2v-bert-2.0 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1448
  • Wer: 0.1396

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: 5e-05
  • train_batch_size: 4
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 8
  • 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: 500
  • training_steps: 1300
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
2.96980.80891002.89280.9991
0.80951.61782000.60350.4036
0.61522.42673000.48570.3593
0.39513.23564000.46610.3505
0.54934.04455000.36510.2779
0.45884.85346000.32440.2632
0.36165.66237000.29540.2490
0.19386.47128000.26550.2341
0.20477.28019000.25100.2022
0.25968.089010000.19530.1756
0.18718.897911000.17160.1642
0.07689.706812000.15590.1554
0.102110.515713000.14480.1396

Framework versions

  • Transformers 4.41.2
  • Pytorch 2.3.0+cu121
  • Datasets 2.20.0
  • Tokenizers 0.19.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2BertForCTC
Ревизия весов
815f8d8

0 моделей