/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
23 авг 2022

Ссылки

Hugging Face

tokens

kalmuraee
Распознавание речиАудио → текст7 профессий

Дообученная на Common Voice модель Wav2Vec2 для автоматического распознавания речи.

11скачиваний за 30 дней0лайковвеса обновлены9 сен 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.

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

kalmuraee/tokens — модель автоматического распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m на наборе Common Voice. Она использует архитектуру Wav2Vec2ForCTC и содержит 402,7 млн параметров. Модель принимает аудио и выдаёт распознанный текст.

В README приведены результаты оценки на тестовой выборке: loss 0,9811 и WER 0,4608. Язык распознавания и конкретные сценарии применения в карточке не уточнены. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

Сценарии применения

  • Преобразование аудиозаписей в текст
  • Расшифровка записей для последующей проверки
  • Оценка качества распознавания речи на данных Common Voice

Ограничения

В README указана оценка WER 0,4608 на тестовой выборке; результатов для других наборов данных не приведено. Язык и ограничения по условиям записи в карточке не описаны.

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.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиII.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

tokens

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

  • Loss: 0.9811
  • Wer: 0.4608

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: 16
  • 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
6.52120.594003.37761.0
2.47981.188001.06970.7740
1.00571.7712000.70770.6487
0.77312.3616000.61130.5883
0.69172.9420000.56180.5573
0.58443.5324000.56100.5532
0.56064.1228000.55840.5484
0.49734.7132000.54660.5333
0.47215.336000.54950.5178
0.44395.8940000.56670.5237
0.39656.4844000.58650.5322
0.38767.0748000.60990.5135
0.34077.6652000.58910.5228
0.338.2556000.61350.5072
0.30328.8460000.60040.5028
0.27069.4364000.63210.4991
0.270910.0168000.65410.5051
0.237310.672000.66130.5119
0.228411.1976000.67980.5086
0.21211.7880000.65090.4910
0.198312.3784000.70180.5043
0.194712.9688000.68260.4965
0.171713.5592000.70560.4828
0.174114.1496000.75440.5060
0.162614.73100000.73310.4915
0.152915.32104000.75180.4772
0.150415.91108000.73620.4732
0.140116.49112000.71790.4769
0.133517.08116000.77160.4826
0.118517.67120000.74650.4798
0.118218.26124000.81050.4733
0.113518.85128000.76930.4743
0.109819.44132000.83620.4888
0.102320.03136000.84270.4768
0.100320.62140000.80790.4741
0.093621.21144000.85510.4651
0.087521.8148000.84620.4712
0.084322.39152000.91770.4782
0.084622.97156000.86180.4735
0.0823.56160000.90170.4687
0.078924.15164000.90340.4659
0.071724.74168000.96900.4734
0.071425.33172000.93950.4677
0.069925.92176000.92220.4608
0.065826.51180000.92220.4621
0.061227.1184000.96910.4586
0.058327.69188000.96470.4581
0.059628.28192000.98200.4614
0.05628.87196000.97950.4596
0.05529.45200000.98110.4608

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
c9f2e71

0 моделей

    Создать бенчмарк