/ Модель

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2-bert · dense
Базовая модель
w2v-bert-2.0-nepali
Библиотека
transformers
Опубликована
24 окт 2024

exp2-w2v-bert-2.0-nepali-unlabeled-0

Распознавание речиАудио → текст5 профессий

Дообученная Wav2Vec2-BERT модель для преобразования непальской речи из аудио в текст.

11скачиваний за 30 дней0лайковвеса обновлены24 окт 2024

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

Модель kiranpantha/exp2-w2v-bert-2.0-nepali-unlabeled-0 — дообученная Kiran Pantha модель распознавания непальской речи. Она основана на kiranpantha/w2v-bert-2.0-nepali и обучена на наборе kiranpantha/OpenSLR54-Balanced-Nepali. Архитектура Wav2Vec2-BERT с CTC-выходом содержит около 402,7 млн параметров и принимает аудио, преобразуя речь в текст.

Модель предназначена для автоматической транскрибации непальской речи. В README приведены результаты на тестовой выборке: WER 0,4058 и CER 0,0951; качество может различаться на записях с другими условиями и содержанием. Распространяется по лицензии MIT.

Сценарии применения

  • транскрибация непальской речи
  • распознавание непальской речи в аудиозаписях
  • создание текстовых расшифровок непальских записей

Ограничения

На тестовой выборке указаны WER 0,4058 и CER 0,0951; приведённые результаты могут не отражать качество на аудио из других условий. README не описывает дополнительные ограничения.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Wave2Vec2-Bert2.0 - Kiran Pantha

This model is a fine-tuned version of kiranpantha/w2v-bert-2.0-nepali on the kiranpantha/OpenSLR54-Balanced-Nepali dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3739
  • Wer: 0.4058
  • Cer: 0.0951

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: 5e-05
  • train_batch_size: 8
  • 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
  • num_epochs: 2
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
0.6430.243000.42710.40790.0919
0.63420.486000.49280.49020.1245
0.64210.729000.42510.45950.1112
0.57730.9612000.41700.43420.1069
0.51071.215000.44870.44690.1089
0.46391.4418000.38230.41570.0973
0.43691.680021000.37920.41450.0984
0.4491.9224000.37390.40580.0951

Framework versions

  • Transformers 4.45.2
  • Pytorch 2.5.0+cu124
  • Datasets 3.0.2
  • Tokenizers 0.20.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2BertForCTC
Ревизия весов
c88fd38

0 моделей