/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
2 мар 2022

Ссылки

Hugging Face

xls-r-300m-hi-prod

kapilkd13
Распознавание речиАудио → текст4 профессии

Дообученная модель wav2vec2 для преобразования речи на хинди в текст.

10скачиваний за 30 дней0лайковвеса обновлены23 мар 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

Модель kapilkd13/xls-r-300m-hi-prod — дообученная для распознавания речи на хинди версия facebook/wav2vec2-xls-r-300m. Она использует архитектуру Wav2Vec2ForCTC и предназначена для преобразования аудиозаписей на хинди в текст; обучение проводилось на наборе Mozilla Common Voice 7.0 для хинди. Число параметров — около 402,8 млн.

На оценочной выборке указано значение WER 0,434. Модель подходит для транскрибации речи на хинди, однако это значение указывает на заметные ошибки распознавания. Репозиторий содержит веса PyTorch и опубликован по лицензии Apache-2.0.

Сценарии применения

  • транскрибация записей речи на хинди
  • распознавание хинди в аудиозаписях
  • создание черновых субтитров на хинди

Ограничения

На оценочной выборке указано WER 0,434, поэтому распознанный текст может содержать существенные ошибки. Карточка не приводит дополнительных сведений об ограничениях или условиях записи аудио.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - HI dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7805
  • Wer: 0.4340

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
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 8000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
No log1.364001.91300.9244
5.00132.718000.77890.5944
0.65444.0712000.72980.5852
0.40215.4216000.69780.5667
0.30036.7820000.67640.5382
0.30038.1424000.72490.5463
0.23459.4928000.72800.5124
0.199310.8532000.72890.4690
0.161712.236000.74310.4733
0.143213.5640000.74480.4733
0.143214.9244000.77460.4485
0.117216.2748000.75890.4742
0.103517.6352000.75390.4353
0.095618.9856000.76480.4495
0.084520.3460000.78770.4719
0.084521.6964000.78840.4434
0.076123.0568000.77960.4386
0.063424.4172000.77290.4306
0.057125.7676000.78260.4298
0.050827.1280000.78050.4340

Framework versions

  • Transformers 4.16.2
  • Pytorch 1.10.1+cu102
  • Datasets 1.18.3
  • Tokenizers 0.11.0

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
18a022b

0 моделей

    Создать бенчмарк