/ Модель

Характеристики

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

w2v-bert-2.0-nepali-unlabeled-1

Распознавание речиАудио → текст7 профессий

Дообученная Wav2Vec2-BERT-модель для распознавания непальской речи в аудио и её преобразования в текст.

18скачиваний за 30 дней0лайковвеса обновлены24 сен 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 Kiran Pantha — дообученная версия kiranpantha/w2v-bert-2.0-nepali для автоматического распознавания непальской речи и преобразования аудиозаписей в текст. Она основана на архитектуре Wav2Vec2-BERT, использует CTC и содержит 402,7 млн параметров.

Модель дообучена на датасете OpenSLR54-Balanced-Nepali. В README указаны результаты на оценочном наборе: WER 0,4302 и CER 0,1029. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • транскрибирование записей на непальском языке
  • распознавание непальской речи в аудиозаписях
  • подготовка текстовых расшифровок непальских аудио для поиска

Ограничения

На оценочном наборе указаны WER 0,4302 и CER 0,1029; эти значения могут не отражать качество на аудио из других источников. README не уточняет условия записи и ограничения применимости.

Для каких профессий подходит7

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 OpenSLR54 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4052
  • Wer: 0.4302
  • Cer: 0.1029

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
0.75150.153000.48140.49110.1183
0.65540.36000.56990.53820.1385
0.67230.459000.54630.54010.1395
0.66350.612000.52440.50430.1250
0.61320.7515000.47250.48310.1184
0.57860.918000.46200.47020.1147
0.56391.0521000.48100.46680.1140
0.48631.224000.46390.47660.1151
0.47841.3527000.45270.46110.1108
0.4561.530000.42290.44580.1089
0.46131.6533000.44600.44780.1095
0.45061.836000.41660.44130.1047
0.43691.9539000.40520.43020.1029

Framework versions

  • Transformers 4.45.0.dev0
  • Pytorch 2.4.1+cu121
  • Datasets 2.21.0
  • Tokenizers 0.19.1

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
cb4658e

0 моделей