/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
vakyansh-wav2vec2-urdu-urm-60
Библиотека
transformers
Опубликована
2 мар 2022

wav2vec2-urdu

Распознавание речиАудио → текст3 профессии

Модель wav2vec2 для распознавания речи и транскрипции аудио на урду.

210скачиваний за 30 дней5лайковвеса обновлены5 июл 2025

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

kingabzpro/wav2vec2-urdu — модель распознавания речи на урду, разработанная дообучением чекпойнта Harveenchadha/vakyansh-wav2vec2-urdu-urm-60 на Common Voice. Это модель семейства wav2vec2 с архитектурой Wav2Vec2ForCTC; в её весах 113,3 млн параметров. Она принимает аудио и преобразует речь в текст на урду.

Модель предназначена для автоматической транскрипции речи. В README приведены результаты оценки на небольшом наборе обучения и валидации объёмом 0,58 часа: WER 0,5747 и CER 0,3268. Высокие значения ошибок указывают на ограниченную точность; автор также упоминает более новую модель для урду. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрипция записей речи на урду
  • распознавание урду в аудиофайлах
  • создание текстовых расшифровок для голосовых сообщений

Ограничения

На тестовой оценке указаны WER 0,5747 и CER 0,3268; обучающий и валидационный набор вместе составляли лишь 0,58 часа, поэтому точность может быть ограничена.

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

🔴Check out my latest URDU ASR model with 25 WER here -> kingabzpro/whisper-large-v3-turbo-urdu


wav2vec2-large-xls-r-300m-Urdu

This model is a fine-tuned version of Harveenchadha/vakyansh-wav2vec2-urdu-urm-60 on the common_voice dataset. It achieves the following results on the evaluation set:

  • Wer: 0.5747
  • Cer: 0.3268

Model description

The training and valid dataset is 0.58 hours. It was hard to train any model on lower number of so I decided to take vakyansh-wav2vec2-urdu-urm-60 checkpoint and finetune the wav2vec2 model.

Training procedure

Trained on Harveenchadha/vakyansh-wav2vec2-urdu-urm-60 due to lesser number of samples.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0003
  • train_batch_size: 64
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 100
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
4.305416.67509.00550.83060.4869
2.062933.331009.58490.60610.3414
0.896650.01504.86860.60520.3426
0.419766.6720012.32610.58170.3370
0.29483.3325011.96530.57120.3328
0.2329100.03007.68460.57470.3268

Framework versions

  • Transformers 4.16.0.dev0
  • Pytorch 1.10.1+cu102
  • Datasets 1.17.1.dev0
  • Tokenizers 0.11.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
627818e

0 моделей