/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
2 мар 2022

wav2vec2_base_10k_8khz_pt_cv7_2

Распознавание речиАудио → текст9 профессий

Дообученная модель Wav2Vec2 для преобразования португальской речи в текст.

22скачиваний за 30 дней2лайкавеса обновлены23 мар 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.

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 Wav2Vec2ForCTC с 113,3 млн параметров. Её разработчик lgris дообучил модель lgris/seasr_2022_base_10k_8khz_pt на наборе Common Voice 7.0 для распознавания португальской речи; модель принимает аудио и выдаёт текст. В README указана оценка WER 0,1979 на наборе оценки. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

  • расшифровка записей речи на португальском языке
  • распознавание португальской речи в аудиозаписях Common Voice
  • создание текстовых транскриптов из аудиофайлов

Ограничения

В README не описаны ограничения и условия оценки, кроме результата WER 0,1979 на наборе оценки. Модель дообучена на Common Voice 7.0, поэтому качество на других источниках аудио не установлено.

Для каких профессий подходит9

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

wav2vec2_base_10k_8khz_pt_cv7_2

This model is a fine-tuned version of lgris/seasr_2022_base_10k_8khz_pt on the common_voice dataset. It achieves the following results on the evaluation set:

  • Loss: 76.3426
  • Wer: 0.1979

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: 1e-05
  • 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: 100
  • training_steps: 10000

Training results

Training LossEpochStepValidation LossWer
189.13620.6550080.63470.2139
174.25871.3100080.20620.2116
164.6761.95150078.21610.2073
176.58562.6200078.89200.2074
164.35833.25250077.28650.2066
161.4143.9300077.88880.2048
158.2834.55350077.34720.2033
159.22655.19400079.09530.2036
156.39675.84450076.68550.2029
154.27436.49500077.77850.2015
156.64977.14550077.12200.2033
157.30387.79600076.29260.2027
162.81518.44650076.76020.2013
151.86139.09700077.47770.2011
153.02259.74750076.52060.2001
157.5210.39800076.10610.2006
145.059211.04850076.78550.1992
150.006611.69900076.00580.1988
146.812812.34950076.28530.1987
146.914812.991000076.34260.1979

Framework versions

  • Transformers 4.16.2
  • Pytorch 1.10.0+cu111
  • Datasets 1.18.3
  • 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
Wav2Vec2ForCTC
Ревизия весов
7667101

0 моделей