/ Модель

Характеристики

Параметры
403 млн
Архитектура
wav2vec2-bert · dense
Базовая модель
pashto-asr-v5
Библиотека
transformers
Опубликована
6 ноя 2024

pashto-asr-v6

Распознавание речиАудио → текст4 профессии

Дообученная на Common Voice 19.0 модель Wav2Vec2-BERT для распознавания речи на пушту и её преобразования в текст.

58скачиваний за 30 дней0лайковвеса обновлены19 дек 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-v6 — модель автоматического распознавания речи, разработанная как дообучение ihanif/pashto-asr-v5 на наборе Common Voice 19.0. Она использует архитектуру Wav2Vec2-BERT с CTC-декодером и содержит около 402,7 млн параметров. Модель предназначена для преобразования речи на пушту в текст; в оценке указана метрика WER 30,1268.

Модель подходит для транскрибирования записей на пушту, включая голосовые сообщения и речевые материалы общего назначения. В карточке нет сведений о контекстном окне или дополнительных режимах работы. Лицензия в предоставленных данных не указана.

Сценарии применения

  • транскрибирование аудиозаписей на пушту
  • распознавание речи в голосовых сообщениях на пушту
  • создание текстовых расшифровок пуштунских речевых материалов

Ограничения

На оценочном наборе указана WER 30,1268; точность может зависеть от условий записи и состава речи. В предоставленных данных не приведены сведения о лицензии.

Для каких профессий подходит4

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-v6

This model is a fine-tuned version of ihanif/pashto-asr-v5 on the common_voice_19_0 dataset. It achieves the following results on the evaluation set:

  • eval_loss: 0.5639
  • eval_wer: 30.1268
  • eval_runtime: 85.7746
  • eval_samples_per_second: 18.793
  • eval_steps_per_second: 2.355
  • epoch: 5.2185
  • step: 1000

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: 3000
  • mixed_precision_training: Native AMP

Framework versions

  • Transformers 4.44.2
  • Pytorch 2.5.0+cu121
  • Datasets 3.1.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2BertForCTC
Ревизия весов
c7e150a

0 моделей