/ Модель

Характеристики

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

wav2vec2-large-xls-r-300m-kurdish

Распознавание речиАудио → текст5 профессий

Дообученная Wav2Vec2-модель для автоматической транскрипции курдской речи.

63скачиваний за 30 дней4лайкавеса 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.

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-kurdish — модель распознавания речи на основе архитектуры Wav2Vec2ForCTC, дообученная infinitejoy на курдской части набора Mozilla Common Voice 7.0. Она преобразует аудио в текст и предназначена для автоматической транскрипции курдской речи. Модель содержит 402,7 млн параметров; в карточке указаны значения Loss 0,2548 и WER 0,2688 на наборе оценки.

Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не описывает условия записи аудио, декодирование и языковые варианты курдского, поэтому результаты на других данных могут отличаться.

Сценарии применения

  • транскрибация курдских аудиозаписей
  • распознавание курдской речи из записей Common Voice
  • создание текстовых расшифровок курдских высказываний

Ограничения

На указанном наборе оценки WER составляет 0,2688; качество на других акцентах, условиях записи и вариантах курдского не приведено. Описание декодирования и дополнительных ограничений отсутствует.

Для каких профессий подходит5

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-kurdish

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

  • Loss: 0.2548
  • Wer: 0.2688

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: 1
  • 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
1.316112.2720000.41990.4797
1.064324.5440000.29820.3721
0.971836.8160000.27620.3333
0.877249.0880000.25860.3051
0.823661.35100000.25750.2865
0.774573.62120000.26030.2816
0.729785.89140000.25390.2727
0.707998.16160000.25540.2681

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
2e2d155

0 моделей