Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Базовая модель: wav2vec2-2
Опубликована: 30 ноя 2023

Ссылки

Hugging Face

wav2vec2-3

jadasdn

Распознавание речиАудио → текст

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

8скачиваний за 30 дней0лайковвеса обновлены30 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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/wav2vec2-3 — дообученная модель распознавания речи на базе jadasdn/wav2vec2-2. Она использует архитектуру Wav2Vec2ForCTC и предназначена для преобразования аудиоречи в текст. Модель содержит 113,3 млн параметров и распространяется в формате safetensors.

В README приведены результаты оценки: loss 0,9689 и WER 0,3821. Данные о языке распознавания, наборе данных и сценариях применения не раскрыты, поэтому применимость к конкретным языкам и условиям записи по этим сведениям определить нельзя. Лицензия — Apache-2.0.

Сценарии применения

автоматическая расшифровка аудиозаписей
преобразование речи в текст
распознавание речи в приложениях на базе Wav2Vec2

Ограничения

В README не указаны язык и обучающий набор данных; приведённый WER 0,3821 не описывает условия оценки. Нет сведений о качестве на других языках и в различных акустических условиях.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-3

This model is a fine-tuned version of jadasdn/wav2vec2-2 on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.9689
Wer: 0.3821

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 Loss	Epoch	Step	Validation Loss	Wer
0.5494	0.5	500	0.4696	0.3879
0.4979	1.0	1000	0.5284	0.4156
0.438	1.5	1500	0.5127	0.4121
0.4577	2.0	2000	0.5421	0.4162
0.3528	2.5	2500	0.5667	0.4117
0.3685	3.0	3000	0.5354	0.4109
0.3047	3.5	3500	0.5899	0.4244
0.3103	4.0	4000	0.5587	0.4107
0.2626	4.5	4500	0.6265	0.4255
0.2735	5.0	5000	0.6153	0.4104
0.2244	5.5	5500	0.5916	0.4058
0.2418	6.0	6000	0.5921	0.4134
0.2013	6.5	6500	0.6632	0.4079
0.211	7.0	7000	0.6563	0.4206
0.182	7.5	7500	0.6546	0.4096
0.1912	8.0	8000	0.6429	0.4043
0.1621	8.5	8500	0.7105	0.4060
0.1695	9.0	9000	0.6985	0.4027
0.1512	9.5	9500	0.7729	0.4060
0.1521	10.0	10000	0.7261	0.4047
0.1355	10.5	10500	0.7665	0.4097
0.1385	11.0	11000	0.7366	0.4044
0.1275	11.5	11500	0.7494	0.4046
0.1278	12.0	12000	0.7756	0.4028
0.1165	12.5	12500	0.8292	0.4064
0.1176	13.0	13000	0.7808	0.4053
0.1091	13.5	13500	0.8157	0.4052
0.1092	14.0	14000	0.8295	0.4071
0.1024	14.5	14500	0.8617	0.4032
0.1005	15.0	15000	0.8066	0.4042
0.0932	15.5	15500	0.8588	0.4022
0.0932	16.0	16000	0.8429	0.4036
0.087	16.5	16500	0.8975	0.4037
0.0866	17.0	17000	0.8916	0.3976
0.0835	17.5	17500	0.8566	0.3955
0.0828	18.0	18000	0.8581	0.3993
0.0756	18.5	18500	0.8827	0.3962
0.0789	19.0	19000	0.9072	0.3957
0.071	19.5	19500	0.9349	0.3920
0.0719	20.0	20000	0.9064	0.3931
0.0698	20.5	20500	0.9208	0.3932
0.0671	21.0	21000	0.8935	0.3927
0.0656	21.5	21500	0.9271	0.3936
0.0612	22.0	22000	0.9792	0.3979
0.0576	22.5	22500	0.9530	0.3917
0.0588	23.0	23000	0.9617	0.3928
0.0532	23.5	23500	0.9754	0.3854
0.0563	24.0	24000	0.9559	0.3915
0.053	24.5	24500	0.9845	0.3894
0.0512	25.0	25000	0.9629	0.3876
0.0516	25.5	25500	0.9565	0.3873
0.0491	26.0	26000	0.9726	0.3877
0.0473	26.5	26500	0.9831	0.3877
0.0441	27.0	27000	0.9645	0.3839
0.042	27.5	27500	1.0040	0.3851
0.0458	28.0	28000	0.9685	0.3839
0.043	28.5	28500	0.9687	0.3841
0.0399	29.0	29000	0.9764	0.3831
0.0421	29.5	29500	0.9691	0.3828
0.041	30.0	30000	0.9689	0.3821

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: 80a604b

Характеристики

Ссылки

wav2vec2-3

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Ограничения

Карточка модели

wav2vec2-3

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Как запустить