/ Модель

Характеристики

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

xls-r-hi-test

Распознавание речиАудио → текст3 профессии

Модель Wav2Vec2, дообученная для автоматической транскрипции речи на хинди.

9скачиваний за 30 дней0лайковвеса обновлены24 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.

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

kapilkd13/xls-r-hi-test — модель распознавания речи на базе Wav2Vec2, дообученная на facebook/wav2vec2-xls-r-300m для хинди на данных Mozilla Common Voice 7.0. Она принимает аудио и выдаёт распознанный текст; архитектура модели — Wav2Vec2ForCTC, число параметров — около 402,8 млн. В оценке на тестовом наборе указаны loss 0,7346 и WER 1,0479, что свидетельствует о слабом качестве распознавания в этой оценке.

Модель предназначена для автоматической транскрипции речи на хинди. Опубликована по лицензии Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей на хинди
  • распознавание речи на хинди в коротких аудиофрагментах
  • создание текстовых субтитров для речи на хинди

Ограничения

В оценке указана высокая WER — 1,0479, поэтому качество распознавания может быть низким. Карточка не описывает дополнительные ограничения или условия эксплуатации.

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

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: 0.7346
  • Wer: 1.0479

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 log1.364001.45951.0039
4.77782.718000.80821.0115
0.64084.0712000.70321.0079
0.39375.4216000.68891.0433
0.36.7820000.68201.0069
0.38.1424000.66701.0196
0.2269.4928000.72161.0422
0.19710.8532000.76691.0534
0.16512.236000.75171.0200
0.148613.5640000.71251.0357
0.148614.9244000.74471.0347
0.12216.2748000.68991.0440
0.106917.6352000.72121.0350
0.096118.9856000.74171.0408
0.08620.3460000.74021.0356
0.08621.6964000.77611.0420
0.075623.0568000.73461.0369
0.066624.4172000.75061.0449
0.059525.7676000.73191.0476
0.05427.1280000.73461.0479

Framework versions

  • Transformers 4.16.0.dev0
  • 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
1a708a3

0 моделей