/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
31 июл 2024

wav2vec2-large-xls-r-300m-dysarthria-big-dataset

Распознавание речиАудио → текст3 профессии

Дообученная модель Wav2Vec2 для распознавания речи, ориентированная на аудио с дизартрией.

43скачиваний за 30 дней0лайковвеса обновлены1 авг 2024

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

jmaczan/wav2vec2-large-xls-r-300m-dysarthria-big-dataset — модель автоматического распознавания речи на архитектуре Wav2Vec2ForCTC, дообученная на данных, связанных с дизартрией. Репозиторий указывает базовую модель с тем же идентификатором; отдельное описание обучающего набора отсутствует.

Модель предназначена для преобразования аудиоречи в текст, в том числе для оценки распознавания речи при дизартрии. В README приведены результаты на тестовой выборке: loss 0,0864 и WER 0,182. Вес модели — около 402,7 млн параметров; формат файлов — safetensors. Лицензия — Apache-2.0.

Карточка не сообщает языки, длину контекста или подробности обучающей и оценочной выборок, поэтому область применимости метрики ограничена описанным в README тестом.

Сценарии применения

  • распознавание речи людей с дизартрией
  • транскрибирование аудио с нарушениями артикуляции
  • оценка качества распознавания речи на тестовых аудиозаписях

Ограничения

В README нет сведений о языках и составе обучающего набора. Указанный WER 0,182 относится к тестовой выборке, детали которой не раскрыты.

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-large-xls-r-300m-dysarthria-big-dataset

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

  • Loss: 0.0864
  • Wer: 0.182

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: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • 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
1.4193.22000.75990.668
0.77596.44000.49660.618
0.58089.66000.33520.508
0.365212.88000.22140.386
0.234716.010000.15660.246
0.173819.212000.13400.23
0.107622.414000.12440.242
0.07725.616000.09480.184
0.056628.818000.08640.182

Framework versions

  • Transformers 4.43.2
  • Pytorch 2.2.1+cu121
  • Datasets 2.20.0
  • Tokenizers 0.19.1

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
5be5cb1

0 моделей