/ Модель

Характеристики

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

wav2vec2-large-xls-r-300m-assamese

Распознавание речиАудио → текст4 профессии

Модель на базе Wav2Vec2 для преобразования ассамской речи в текст.

30скачиваний 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.

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

wav2vec2-large-xls-r-300m-assamese — модель распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m на наборе Common Voice 7.0. Она принимает аудио и преобразует речь на ассамском языке в текст; архитектура основана на Wav2Vec2ForCTC, число параметров — около 402,7 млн.

Модель предназначена для автоматической транскрипции ассамской речи. В карточке приведены результаты оценки на тестовом наборе: WER 0,795 и CER 0,323, что указывает на существенные ошибки распознавания. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация записей речи на ассамском языке
  • распознавание ассамской речи в аудиозаписях
  • подготовка текстовых расшифровок для ассамских аудиоданных

Ограничения

На тестовом наборе указаны высокие ошибки: WER 0,795 и CER 0,323. Эти результаты относятся к Common Voice 7.0 и могут не отражать качество на других аудиоданных.

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

wav2vec2-large-xls-r-300m-assamese

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the common_voice_7_0 dataset. It achieves the following results on the evaluation set:

  • WER: 0.7954545454545454
  • CER: 0.32341269841269843

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

To compute the evaluation parameters

cd wav2vec2-large-xls-r-300m-assamese; python eval.py --model_id ./ --dataset mozilla-foundation/common_voice_7_0 --config as --split test --log_outputs

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 3e-4
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: not given
  • 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: 500
  • num_epochs: 400
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
1.584065NA4001.5840650.915512
1.658865Na8001.6588650.805096
1.882352NA12001.8823520.820742
1.881240NA16001.8812400.810907
2.159748NA20002.1597480.804202
1.992871NA24001.9928710.803308
2.201436NA28002.2014360.802861
2.165218NA32002.1652180.793920
2.253643NA36002.2536430.796603
2.265880NA40002.2658800.790344
2.293935NA44002.2939350.797050
2.288851NA48002.2888510.784086

Framework versions

  • Transformers 4.11.3
  • Pytorch 1.10.0+cu113
  • Datasets 1.13.3
  • 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
3e7f332

0 моделей