/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-xls-r-300m
Опубликована
14 дек 2022

Ссылки

Hugging Face

wav2vec2-xls-r-300m-pashto

ihanif
Распознавание речиАудио → текст3 профессии

Дообученная на афганском пушту модель Wav2Vec2 для преобразования речи в текст.

151 тыс.скачиваний за 30 дней0лайковвеса обновлены28 мар 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.

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

ihanif/wav2vec2-xls-r-300m-pashto — модель автоматического распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m на наборе GOOGLE/FLEURS для афганского пушту (PS_AF). Она принимает аудио и выдаёт распознанный текст; архитектура — Wav2Vec2ForCTC. В репозитории около 402,8 млн параметров, веса представлены в форматах PyTorch и Safetensors.

Модель предназначена для распознавания речи на пушту, в частности для сценариев с афганским вариантом языка. В README приведены результаты оценки: WER 51,59 и CER 19,72; эти показатели указывают на заметные ошибки распознавания и не дают оснований считать качество высоким для всех условий записи. Базовая модель обучалась для извлечения мультиязычных речевых представлений.

Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация речи на афганском пушту
  • распознавание пушту в аудиозаписях
  • создание текстовых субтитров для речи на пушту

Ограничения

В README указаны WER 51,59 и CER 19,72 на оценочном наборе GOOGLE/FLEURS PS_AF, что свидетельствует о существенных ошибках распознавания. Оценка относится к указанному набору данных и не гарантирует такое же качество на других вариантах пушту и условиях записи.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.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.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

facebook/wav2vec2-xls-r-300m

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the GOOGLE/FLEURS - PS_AF dataset. It achieves the following results on the evaluation set:

  • Loss: 0.9162
  • Wer: 51.59
  • Cer: 19.72

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-07
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 2
  • 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: 1000
  • training_steps: 6000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepCerValidation LossWer
5.07676.335001.04.87831.0
3.115612.6610001.03.09901.0
1.350618.9915000.28891.10560.7031
0.999725.3220000.23010.91910.5944
0.783831.6525000.21520.89520.5556
0.666537.9730000.20170.89080.5252
0.626544.335000.19540.90630.5133
0.593550.6340000.19690.91620.5156
0.517456.9645000.19720.92870.5140
0.546263.2950000.19740.93700.5138
0.556469.6255000.19770.94610.5148
0.525275.9560000.95050.51180.1969

Framework versions

  • Transformers 4.26.0.dev0
  • Pytorch 1.13.1+cu117
  • Datasets 2.7.1.dev0
  • Tokenizers 0.13.2

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
9ec5ce8

0 моделей

    Создать бенчмарк