/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense

wav2vec2-large-xls-r-300m-indonesian

Распознавание речиАудио → текст8 профессий

Дообученная Wav2Vec2-модель для преобразования индонезийской речи в текст.

34скачиваний за 30 дней0лайковвеса обновлены11 фев 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

Модель infinitejoy/wav2vec2-large-xls-r-300m-indonesian — дообученная версия facebook/wav2vec2-xls-r-300m для автоматического распознавания речи на индонезийском языке. Она использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров. Модель обучена на индонезийской части набора Mozilla Common Voice 7.0.

Модель принимает аудио и преобразует речь в текст; её можно применять для расшифровки индонезийских записей и речевых данных. В README приведены результаты оценки: WER 0,3256 и loss 0,2759. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

Сценарии применения

  • расшифровка индонезийской речи из аудиозаписей
  • транскрибация индонезийских голосовых сообщений
  • распознавание индонезийской речи в аудиоданных

Ограничения

На указанном оценочном наборе WER составляет 0,3256; качество на других аудиоданных может отличаться. Карточка не приводит дополнительных сведений об ограничениях и сценариях использования.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xls-r-300m-indonesian

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

  • Loss: 0.2759
  • Wer: 0.3256

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: 7e-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: 4000
  • num_epochs: 100.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
3.03874.7210003.08921.0
1.79119.4320000.84510.6702
1.282614.1530000.42110.4166
1.180218.8740000.35080.4690
1.106523.5850000.33190.4662
1.092128.360000.30560.3880
1.036633.0270000.29970.3665
0.998837.7480000.29720.3653
0.986442.4590000.26970.3371
0.955847.17100000.27390.3141
0.909451.89110000.26570.3533
0.903456.6120000.26990.3397
0.890761.32130000.27650.3470
0.863166.04140000.27740.3346
0.838970.75150000.27430.3365
0.821475.47160000.27780.3201
0.819580.19170000.27250.3286
0.799484.91180000.27820.3315
0.781689.62190000.27750.3363
0.781694.34200000.27310.3278
0.763599.06210000.27670.3259

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
19b399b

0 моделей