/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-xls-r-300m
Опубликована
31 окт 2023

Ссылки

Hugging Face

wav2vec2-large-300m-colab-only-gn

karanthgreeshma
Распознавание речиАудио → текст3 профессии

Дообученная на Common Voice 13.0 модель Wav2Vec2 для преобразования речи в текст.

14скачиваний за 30 дней0лайковвеса обновлены1 ноя 2023

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

Это модель автоматического распознавания речи на базе Wav2Vec2, дообученная автором karanthgreeshma на facebook/wav2vec2-xls-r-300m с использованием Common Voice 13.0. Модель построена на архитектуре Wav2Vec2ForCTC и содержит 402,7 млн параметров.

Модель принимает аудио и предназначена для преобразования речи в текст. В карточке указана оценка WER 0,5229 на наборе оценки; это свидетельствует об ограниченной точности и требует проверки на данных целевого сценария. Модель опубликована в формате PyTorch под лицензией Apache-2.0. README содержит мало сведений о целевом языке и ограничениях применения.

Сценарии применения

  • расшифровка аудиозаписей речи
  • автоматическая транскрибация голосовых сообщений
  • распознавание речи в тестах и прототипах

Ограничения

На указанном наборе оценки WER составляет 0,5229, поэтому точность может быть ограниченной. Целевой язык и поведение на других типах аудио в карточке не описаны.

Для каких профессий подходит3

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.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.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

wav2vec2-large-300m-colab-only-gn

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the common_voice_13_0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5274
  • Wer: 0.5229

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: 100
  • num_epochs: 30

Training results

Training LossEpochStepValidation LossWer
20.81480.452513.59761.0
7.01880.9505.52631.0
4.12851.35753.60781.0
3.3381.81003.32171.0
3.28292.251253.27811.0
3.2722.71503.26011.0
3.22243.151753.22341.0
3.19493.62003.19981.0
3.18464.052253.18411.0
3.16154.52503.17191.0
3.13674.952753.11321.0
3.01115.413002.93441.0
2.77865.863252.56431.0
2.21066.313501.81321.0
1.63656.763751.40080.9982
1.1787.214001.06780.9845
0.89037.664250.87440.9369
0.74298.114500.72130.8752
0.59318.564750.66810.8189
0.55929.015000.66220.7895
0.43169.465250.61770.7644
0.40989.915500.55990.7874
0.317610.365750.56490.7001
0.314210.816000.58280.6867
0.322711.266250.55050.6736
0.27511.716500.54320.6540
0.278312.166750.53720.6462
0.231612.617000.50780.6379
0.228113.067250.50590.6161
0.219113.517500.51750.5956
0.191113.967750.52160.5929
0.173114.418000.50690.5789
0.174314.868250.52070.5971
0.175515.328500.54360.6307
0.156815.778750.53740.6001
0.162916.229000.54290.6102
0.141816.679250.50890.5762
0.13617.129500.52910.5878
0.135417.579750.53810.5840
0.135118.0210000.55110.5947
0.125218.4710250.52040.5643
0.121518.9210500.53850.5613
0.118819.3710750.50630.5718
0.120919.8211000.52110.5488
0.109120.2711250.52450.5557
0.11220.7211500.49100.5587
0.10221.1711750.51920.5581
0.094721.6212000.55000.5718
0.106622.0712250.52880.5488
0.101122.5212500.51800.5438
0.097422.9712750.50890.5277
0.092623.4213000.52220.5301
0.087123.8713250.51350.5366
0.080824.3213500.49900.5331
0.073924.7713750.52810.5351
0.084125.2314000.53210.5360
0.074325.6814250.55080.5447
0.080926.1314500.52280.5396
0.063126.5814750.52840.5351
0.078827.0315000.52500.5289
0.075427.4815250.52040.5259
0.066327.9315500.52750.5313
0.064528.3815750.52880.5259
0.072928.8316000.52680.5259
0.065629.2816250.52770.5232
0.070329.7316500.52740.5229

Framework versions

  • Transformers 4.34.1
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.6
  • Tokenizers 0.14.1

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
877248c

0 моделей

    Создать бенчмарк