/ Модель
Каталог

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-1
Опубликована
29 ноя 2023

Ссылки

Hugging Face

wav2vec2-2

jadasdn
Распознавание речиАудио → текст7 профессий

Дообученная Wav2Vec2-модель для преобразования речи из аудио в текст.

10скачиваний за 30 дней0лайковвеса обновлены29 ноя 2023

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

jadasdn/wav2vec2-2 — дообученная модель распознавания речи на базе jadasdn/wav2vec2-1. Она использует архитектуру Wav2Vec2ForCTC и содержит 113,3 млн параметров. Модель принимает аудио и преобразует речь в текст; README сообщает результат оценки WER 0,3593 и loss 0,8353.

Модель подойдёт для распознавания речи в аудиозаписях и интеграции в системы автоматической транскрибации. Данные о поддерживаемых языках, обучающем наборе и целевых сценариях в карточке не приведены. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация речевых аудиозаписей
  • распознавание речи в пользовательских приложениях
  • автоматическое преобразование аудио в текст

Ограничения

В README указаны WER 0,3593 и loss 0,8353 на оценочном наборе, но описание набора и языков отсутствует. Качество на других данных не установлено.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-2

This model is a fine-tuned version of jadasdn/wav2vec2-1 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8353
  • Wer: 0.3593

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: 0.0001
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.45160.55000.49730.3748
0.46241.010000.44860.3958
0.52111.515000.51730.3916
0.53172.020000.47130.3992
0.42772.525000.48590.3888
0.44953.030000.49620.3862
0.37123.535000.52370.3899
0.38554.040000.49750.3850
0.32544.545000.54050.3897
0.3315.050000.52550.3950
0.29075.555000.56460.3852
0.29496.060000.57820.3965
0.25216.565000.55630.3879
0.26637.070000.56270.3829
0.23427.575000.61450.3872
0.23748.080000.58600.3883
0.20998.585000.69200.3810
0.21339.090000.63540.3895
0.18879.595000.66180.3813
0.192410.0100000.65220.3850
0.172810.5105000.63240.3813
0.179711.0110000.66370.3882
0.16311.5115000.68060.3799
0.162312.0120000.68010.3811
0.14912.5125000.67230.3832
0.149313.0130000.70320.3888
0.138913.5135000.72940.3793
0.138314.0140000.73110.3800
0.12714.5145000.70880.3773
0.12715.0150000.73520.3775
0.115915.5155000.78860.3792
0.11416.0160000.75820.3802
0.110316.5165000.76620.3717
0.108817.0170000.78550.3704
0.102117.5175000.73260.3717
0.10418.0180000.75180.3723
0.09618.5185000.74680.3743
0.091419.0190000.79060.3741
0.088119.5195000.78790.3740
0.090820.0200000.81110.3676
0.083220.5205000.81140.3681
0.084821.0210000.81780.3651
0.076221.5215000.82120.3686
0.072822.0220000.81420.3673
0.07422.5225000.81770.3666
0.069123.0230000.83230.3662
0.068923.5235000.80200.3678
0.064324.0240000.81450.3653
0.064724.5245000.83760.3594
0.065425.0250000.83070.3608
0.06125.5255000.84320.3600
0.057326.0260000.83610.3629
0.058326.5265000.83630.3625
0.05427.0270000.82770.3625
0.05827.5275000.83540.3614
0.053128.0280000.83630.3595
0.052228.5285000.84290.3588
0.050329.0290000.82670.3595
0.050429.5295000.84010.3597
0.051130.0300000.83530.3593

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.0+cu118
  • Datasets 2.15.0
  • Tokenizers 0.15.0

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
d5e0fe9

0 моделей

    Создать бенчмарк