/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wavlm · dense

Ссылки

Hugging Face

WavLM-large-CORAA-pt

lgris
Распознавание речиАудио → текст8 профессий

Дообученная на CORAA модель WavLM Large для распознавания и транскрибирования португальской речи.

21скачиваний за 30 дней0лайковвеса обновлены10 фев 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.

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

WavLM-large-CORAA-pt — модель распознавания речи, созданная дообучением microsoft/wavlm-large на наборе данных CORAA. Она использует архитектуру WavLM Large с декодером CTC и содержит около 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст; карточка указывает португальский язык.

На оценочном наборе CORAA указаны loss 0,6144 и WER 0,3840. Модель подходит для транскрибирования португальской речи, в том числе для последующей обработки расшифровок в приложениях. Лицензия — Apache-2.0. Подробности о тренировочных данных, условиях записи и ограничениях применения в карточке не раскрыты.

Сценарии применения

  • транскрибирование португальской речи
  • распознавание речи в аудиозаписях на португальском
  • создание текстовых расшифровок для последующей обработки

Ограничения

На наборе CORAA указана метрика WER 0,3840; качество на других данных карточка не описывает. Сведения об условиях записи и специфических ограничениях отсутствуют.

Для каких профессий подходит8

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.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

WavLM-large-CORAA-pt

This model is a fine-tuned version of microsoft/wavlm-large on CORAA dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6144
  • Wer: 0.3840

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: 0.0001
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1000
  • training_steps: 40000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
No log0.0410001.92300.9960
5.1530.0820001.37330.8444
5.1530.1330001.19920.7362
1.3670.1740001.12890.6957
1.3670.2150001.03570.6470
1.18240.2560001.02160.6201
1.18240.2970000.93380.6036
1.0970.3380000.91490.5760
1.0970.3890000.88850.5541
1.02540.42100000.86780.5366
1.02540.46110000.83490.5323
0.97820.5120000.82300.5155
0.97820.54130000.82450.5049
0.94480.59140000.78020.4990
0.94480.63150000.76500.4900
0.90920.67160000.76650.4796
0.90920.71170000.75680.4795
0.87640.75180000.74030.4615
0.87640.8190000.72190.4644
0.84980.84200000.71800.4502
0.84980.88210000.70170.4436
0.82780.92220000.69920.4395
0.82780.96230000.70210.4329
0.80771.0240000.68920.4265
0.80771.05250000.69400.4248
0.74861.09260000.67670.4202
0.74861.13270000.67340.4150
0.74591.17280000.66500.4152
0.74591.21290000.65590.4078
0.73041.26300000.65360.4088
0.73041.3310000.65370.4025
0.71831.34320000.64620.4008
0.71831.38330000.63810.3973
0.70591.42340000.62660.3930
0.70591.46350000.62800.3921
0.69831.51360000.62480.3897
0.69831.55370000.62750.3872
0.68921.59380000.61990.3852
0.68921.63390000.61800.3842
0.6911.67400000.61440.3840

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

Можно запустить

Подбираем GPU…

Класс архитектуры
WavLMForCTC
Ревизия весов
b936376

0 моделей

    Создать бенчмарк