/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

wav2vec2-large-xls-r-300m-hindi

infinitejoy
Распознавание речиАудио → текст4 профессии

Дообученная Wav2Vec2-модель для распознавания речи на хинди и преобразования аудио в текст.

50скачиваний за 30 дней0лайковвеса обновлены23 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.

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

Модель infinitejoy/wav2vec2-large-xls-r-300m-hindi — дообученная версия facebook/wav2vec2-xls-r-300m для распознавания речи на хинди. Она принимает аудио и выдаёт распознанный текст; обучение проводилось на наборе Mozilla Common Voice 7.0 для хинди. Архитектура основана на Wav2Vec2 и имеет около 402,7 млн параметров.

Модель можно применять для транскрибации речи на хинди, например аудиозаписей или голосовых сообщений. В README приведён результат оценки на тестовом наборе: WER 1,0194, что указывает на существенные ошибки распознавания. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей на хинди
  • распознавание речи в голосовых сообщениях на хинди
  • автоматическое получение текста из записей Common Voice на хинди

Ограничения

На тестовом наборе указана высокая WER 1,0194, поэтому качество распознавания может быть низким. Область обучения ограничена хинди и данными Common Voice 7.0.

Для каких профессий подходит4

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.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xls-r-300m-hindi

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - HI dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5414
  • Wer: 1.0194

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-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 2000
  • num_epochs: 100.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
4.60953.385004.58810.9999
3.33966.7610003.33011.0001
2.006110.1415001.20961.0063
1.52313.5120000.78361.0051
1.386816.8925000.68371.0080
1.280720.2730000.65681.0112
1.23123.6535000.61201.0105
1.167327.0340000.59721.0089
1.141630.4145000.57801.0132
1.073833.7850000.58061.0123
1.077137.1655000.55861.0067
1.028740.5460000.54641.0058
1.010643.9265000.54071.0062
0.953847.370000.53341.0089
0.960750.6875000.53951.0110
0.910854.0580000.55021.0137
0.925257.4385000.54981.0062
0.894360.8190000.54481.0158
0.872864.1995000.52571.0113
0.857767.57100000.55501.0178
0.833270.95105000.56071.0166
0.817474.32110000.54291.0145
0.816877.7115000.55611.0116
0.787281.08120000.54781.0164
0.770784.46125000.54121.0216
0.774287.84130000.53911.0207
0.759491.22135000.53791.0208
0.767894.59140000.54151.0198
0.750297.97145000.54091.0191

Framework versions

  • Transformers 4.16.0.dev0
  • Pytorch 1.10.1+cu102
  • Datasets 1.17.1.dev0
  • Tokenizers 0.11.0

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
67d68e3

0 моделей

    Создать бенчмарк