/ Модель

Характеристики

Параметры
403 млн
Архитектура
wav2vec2 · dense
Опубликована
5 июл 2022

wav2vec2-xlsr-53-common-voice-indonesian

Распознавание речиАудио → текст7 профессий

Модель wav2vec 2.0 XLSR-53 распознаёт индонезийскую речь и преобразует её в текст.

20скачиваний за 30 дней1лайквеса обновлены5 июл 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

Модель m-salman-a/wav2vec2-xlsr-53-common-voice-indonesian — система автоматического распознавания речи на базе wav2vec 2.0 XLSR-53, дообученная автором репозитория на индонезийской части Common Voice 8.0. Она преобразует аудио на индонезийском языке в текст и предназначена для распознавания речи в записях, подготовленных по правилам предобработки модели.

Модель использует архитектуру Wav2Vec2ForCTC и содержит 402,7 млн параметров. В обучающих данных было около 32 тысяч аудиозаписей из разделов train, validation и other; аудио приводили к частоте 16 кГц, а текст нормализовали: удаляли символы, переводили цифры в словесную форму и приводили символы к нижнему регистру. В README сообщается средний показатель WER 15,6% по пяти запускам на тестовой части Common Voice 8.0.

Это экспериментальная модель, созданная в рамках бакалаврской исследовательской работы. Для корректных результатов входное аудио следует привести к 16 кГц и учитывать применённую нормализацию транскриптов; качество на иных данных в карточке не описано. Лицензия в предоставленных данных не указана.

Сценарии применения

  • транскрибирование аудиозаписей на индонезийском языке
  • распознавание речи из Common Voice
  • получение текстовых транскриптов индонезийских аудиозаписей

Ограничения

Модель рассчитана на индонезийскую речь и аудио с частотой 16 кГц; качество на тестовой части Common Voice 8.0 составляет 15,6% WER. Результаты на других источниках аудио в карточке не приведены.

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

wav2vec 2.0 XLSR-53 Model

This is the wav2vec 2.0 XLSR-53 model fine-tuned on the Common Voice 8.0 datasets for Bahasa Indonesia using the train, validation, and other splits (~32.000 sound samples). This model was used for research purposes to complete my Undergraduate Thesis.

Preprocessing

  1. Removal of symbols from transcript
  2. Convert numbers (0, 1, ..., 9) to word forms (satu, dua, ..., sembilan)
  3. Convert all characters to lowercase
  4. Resample the audio data to 16kHz.
  5. Uses data collator from this example

Hyperparameters used

  • Learning rate = 1e-4
  • Maximum Epochs = 30
  • Batch size = 4 (limitations of compute resource)
  • Early stopping = Stop when WER doesn't improve for 2 validations
  • Other parameters use the defaults from this config

Results

The results are an average of 5 runs using the test split from the Common Voice datasets for Bahasa Indonesia.

Test Result: 15,6% WER

References

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
4ce6a39

0 моделей