/ Модель

Характеристики

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

wav2vec2-large-xls-r-300m-welsh

Распознавание речиАудио → текст4 профессии

Дообученная на валлийской речи модель Wav2Vec2 для автоматической транскрибации аудио в текст.

332 тыс.скачиваний за 30 дней1лайквеса 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

infinitejoy/wav2vec2-large-xls-r-300m-welsh — модель распознавания речи на архитектуре Wav2Vec2ForCTC, разработанная дообучением facebook/wav2vec2-xls-r-300m на валлийской части набора Mozilla Common Voice 7.0. Она преобразует аудио с речью на валлийском языке в текст и подходит для транскрибирования записей и голосовых сообщений. В оценке на указанном наборе достигла WER 0,2702 и loss 0,2650. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0.

Сценарии применения

  • транскрибация записей речи на валлийском языке
  • распознавание валлийской речи в голосовых сообщениях
  • создание текстовых субтитров для валлийских аудиозаписей

Ограничения

В оценке на Common Voice 7.0 указана доля ошибок слов WER 0,2702; качество на других данных может отличаться. README не содержит дополнительных сведений об ограничениях.

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-welsh

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

  • Loss: 0.2650
  • Wer: 0.2702

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: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 3000
  • num_epochs: 50.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
1.34548.230000.49260.5703
1.120216.3960000.35290.3944
1.005824.5990000.31430.3341
0.928732.79120000.28960.2980
0.884940.98150000.27270.2798
0.866549.18180000.26620.2696

Framework versions

  • Transformers 4.16.0.dev0
  • Pytorch 1.10.1+cu102
  • Datasets 1.18.3
  • 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
4b3fdfb

0 моделей