/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
8 апр 2022

wav2vec2-child-en-tokenizer-4

Распознавание речиАудио → текст3 профессии

Дообученная wav2vec2-модель на базе XLS-R для преобразования аудиоречи в текст.

3 234скачиваний за 30 дней1лайквеса обновлены10 апр 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

jaeyeon/wav2vec2-child-en-tokenizer-4 — дообученная модель распознавания речи на архитектуре wav2vec2, разработанная на основе facebook/wav2vec2-xls-r-300m. Она предназначена для преобразования аудиоречи в текст; карточка сообщает о результате WER 0,3769 на оценочном наборе, но не раскрывает состав данных и условия оценки. Модель содержит 402,7 млн параметров и опубликована в формате PyTorch.

Репозиторий указывает лицензию Apache-2.0. В названии модели и базовой модели есть указание на английский язык, однако описание не уточняет языки и сценарии, на которых проводилось дообучение. Поэтому качество распознавания для конкретных групп говорящих и условий записи по доступной карточке оценить нельзя.

Сценарии применения

  • распознавание английской речи из аудиозаписей
  • получение текстовой расшифровки речевых фрагментов
  • эксперименты с распознаванием детской речи

Ограничения

В карточке приведён WER 0,3769, но не описаны оценочный набор и условия тестирования; сведения о данных обучения и сценариях применения отсутствуют. Качество для иных языков, групп говорящих и условий записи не установлено.

Для каких профессий подходит3

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-child-en-tokenizer-4

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.4709
  • Wer: 0.3769

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: 0.0003
  • train_batch_size: 24
  • eval_batch_size: 24
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 48
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.03341.721001.47090.3769
0.03323.452001.47090.3769
0.03435.173001.47090.3769
0.0326.94001.47090.3769
0.03328.625001.47090.3769
0.032710.346001.47090.3769
0.033112.077001.47090.3769
0.033413.798001.47090.3769
0.031915.529001.47090.3769
0.033817.2410001.47090.3769
0.032118.9711001.47090.3769
0.036720.6912001.47090.3769
0.033122.4113001.47090.3769
0.033224.1414001.47090.3769
0.034725.8615001.47090.3769
0.031927.5916001.47090.3769
0.030229.3117001.47090.3769

Framework versions

  • Transformers 4.11.3
  • Pytorch 1.10.0+cu113
  • Datasets 1.18.3
  • Tokenizers 0.10.3

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
af91175

0 моделей