Характеристики

Параметры: 403 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Опубликована: 2 мар 2022

Ссылки

Hugging Face

xls-r-300m-sv-cv8

masapasa

Распознавание речиАудио → текст4 профессии

Дообученная wav2vec2-модель для распознавания шведской речи и преобразования её в текст.

19скачиваний за 30 дней0лайковвеса обновлены24 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

masapasa/xls-r-300m-sv-cv8 — модель распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m на шведской части датасета Mozilla Common Voice 8.0 (sv-SE). Она использует архитектуру wav2vec2 с CTC-декодированием и предназначена для преобразования шведской речи в текст.

На карточке указаны результаты оценки на тестовой выборке: loss 2.3347 и WER 1.0286. Такие значения WER указывают на очень высокую долю ошибок распознавания; пригодность модели для практического применения следует проверять на целевых аудиозаписях. Модель принимает аудио и выдаёт текст.

Веса опубликованы в формате PyTorch под лицензией Apache-2.0. Размер по метаданным — 402,7 млн параметров.

Сценарии применения

расшифровка записей речи на шведском языке
распознавание шведской речи из аудиозаписей Common Voice
получение текстовой расшифровки шведских аудиофрагментов

Ограничения

В оценке на тестовой выборке указан WER 1.0286, что свидетельствует о низком качестве распознавания на этой выборке. Карточка не содержит подробностей о поддерживаемых условиях записи и способах декодирования.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - SV-SE dataset. It achieves the following results on the evaluation set:

Loss: 2.3347
Wer: 1.0286

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: 7.5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 32
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 20
num_epochs: 5.0
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer
10.7838	0.01	5	14.5035	1.0
13.0582	0.03	10	13.6658	1.0
7.3034	0.04	15	9.7898	1.0
6.1847	0.05	20	6.9148	1.0
5.3371	0.07	25	5.3661	1.0
4.4274	0.08	30	4.6945	1.0
4.0918	0.1	35	4.3172	1.0
4.1734	0.11	40	4.0759	1.0
3.7332	0.12	45	3.9039	1.0
3.6871	0.14	50	3.7777	1.0
3.4428	0.15	55	3.6718	1.0
3.5514	0.16	60	3.5947	1.0
3.4307	0.18	65	3.5144	1.0
3.4102	0.19	70	3.4432	1.0
3.4964	0.21	75	3.3890	1.0
3.3936	0.22	80	3.3467	1.0
3.3051	0.23	85	3.3102	1.0
3.278	0.25	90	3.2801	1.0
3.2223	0.26	95	3.2440	1.0
3.1888	0.27	100	3.2900	1.0
3.218	0.29	105	3.2627	1.0
3.1308	0.3	110	3.2152	1.0
3.109	0.31	115	3.1686	1.0
3.1188	0.33	120	3.1734	1.0
3.1132	0.34	125	3.1431	1.0
3.0667	0.36	130	3.1686	1.0
3.1167	0.37	135	3.1885	1.0
3.0592	0.38	140	3.1100	1.0
3.0531	0.4	145	3.1149	1.0
3.1224	0.41	150	3.1205	1.0
3.0651	0.42	155	3.1101	1.0
3.0077	0.44	160	3.0980	1.0
3.0027	0.45	165	3.1132	1.0
3.0423	0.47	170	3.0886	1.0
3.0462	0.48	175	3.0865	1.0
3.0701	0.49	180	3.0863	1.0
3.0871	0.51	185	3.0825	1.0
3.0585	0.52	190	3.0720	1.0
3.0274	0.53	195	3.0736	1.0
3.0983	0.55	200	3.0658	1.0
3.0538	0.56	205	3.1241	1.0
3.0862	0.57	210	3.0573	1.0
3.0041	0.59	215	3.0608	1.0
3.027	0.6	220	3.0614	1.0
2.9916	0.62	225	3.0527	1.0
3.0157	0.63	230	3.0514	1.0
3.0429	0.64	235	3.0391	1.0
2.999	0.66	240	3.0462	1.0
3.0053	0.67	245	3.0438	1.0
2.9812	0.68	250	3.0447	1.0
3.0062	0.7	255	3.0660	1.0
3.0045	0.71	260	3.0103	1.0
2.9684	0.73	265	3.0106	1.0
2.9885	0.74	270	3.0014	1.0
3.0062	0.75	275	2.9885	1.0
2.9736	0.77	280	3.0330	1.0
2.9766	0.78	285	2.9910	1.0
2.9545	0.79	290	2.9972	1.0
2.9936	0.81	295	2.9872	1.0
3.0832	0.82	300	2.9978	1.0
2.974	0.83	305	2.9978	1.0
2.9846	0.85	310	2.9849	1.0
2.9554	0.86	315	2.9810	1.0
2.9524	0.88	320	2.9731	1.0
2.9426	0.89	325	2.9824	1.0
2.9416	0.9	330	2.9731	1.0
2.9705	0.92	335	2.9830	1.0
2.9502	0.93	340	2.9713	1.0
2.9393	0.94	345	2.9790	1.0
2.9336	0.96	350	2.9684	1.0
2.9542	0.97	355	2.9689	1.0
2.9408	0.98	360	2.9556	1.0
2.9544	1.0	365	2.9563	1.0
2.9187	1.01	370	2.9624	1.0
2.9935	1.03	375	2.9500	1.0
2.9803	1.04	380	2.9558	1.0
2.9867	1.05	385	2.9473	1.0
2.8925	1.07	390	2.9444	1.0
2.9633	1.08	395	2.9490	1.0
2.9191	1.1	400	2.9362	1.0
2.9081	1.11	405	2.9394	1.0
2.9381	1.12	410	2.9846	1.0
2.9271	1.14	415	2.9638	1.0
2.959	1.15	420	2.9835	1.0
2.9486	1.16	425	2.9361	1.0
2.9246	1.18	430	2.9615	1.0
2.923	1.19	435	2.9313	1.0
2.8908	1.21	440	2.9362	1.0
2.8976	1.22	445	2.9224	1.0
2.9278	1.23	450	2.9276	1.0
2.8429	1.25	455	2.9299	1.0
2.867	1.26	460	2.9258	1.0
2.9734	1.27	465	2.9281	1.0000
2.934	1.29	470	2.9229	1.0
2.9521	1.3	475	2.9134	1.0
2.9098	1.31	480	2.9051	0.9993
2.9112	1.33	485	2.9028	0.9999
2.8799	1.34	490	2.9101	0.9986
2.857	1.36	495	2.9005	0.9992
2.8525	1.37	500	2.8937	1.0
2.8682	1.38	505	2.8904	1.0000
2.8899	1.4	510	2.8914	0.9964
2.7475	1.41	515	2.8842	0.9950
2.9263	1.42	520	2.8852	0.9972
2.8603	1.44	525	2.8762	0.9966
2.864	1.45	530	2.8680	0.9978
2.8632	1.47	535	2.8602	0.9964
2.9289	1.48	540	2.8584	0.9952
2.8689	1.49	545	2.8587	0.9956
2.8304	1.51	550	2.8511	0.9993
2.8024	1.52	555	2.8460	1.0
2.7649	1.53	560	2.8460	1.0000
2.8756	1.55	565	2.8348	0.9987
2.8808	1.56	570	2.8539	0.9993
2.9027	1.57	575	2.8282	0.9975
2.8586	1.59	580	2.8288	0.9976
2.8193	1.6	585	2.8101	1.0051
2.811	1.62	590	2.7965	1.0014
2.7332	1.63	595	2.7884	1.0026
2.7717	1.64	600	2.7883	1.0060
2.6901	1.66	605	2.7801	0.9974
2.6905	1.67	610	2.8113	0.9968
2.7442	1.68	615	2.8113	1.0007
2.8431	1.7	620	2.8152	1.0343
2.8028	1.71	625	2.7790	1.0250
2.7151	1.73	630	2.7653	1.0287
2.7405	1.74	635	2.7714	1.1303
2.7566	1.75	640	2.7488	1.0312
2.7337	1.77	645	2.7498	1.0176
2.7486	1.78	650	2.7496	1.0760
2.6918	1.79	655	2.7391	1.0353
2.7142	1.81	660	2.7500	1.0283
2.7057	1.82	665	2.7612	1.0127
2.8348	1.83	670	2.7441	1.0056
2.705	1.85	675	2.7473	1.0519
2.7547	1.86	680	2.7216	1.0218
2.7045	1.88	685	2.7261	1.1414
2.7121	1.89	690	2.7223	1.0287
2.6877	1.9	695	2.7283	1.0274
2.6879	1.92	700	2.7451	1.1322
2.6958	1.93	705	2.7166	1.0364
2.6692	1.94	710	2.7148	1.0074
2.5786	1.96	715	2.7101	1.0504
2.6919	1.97	720	2.6963	1.0454
2.7256	1.98	725	2.7201	1.0349
2.6507	2.0	730	2.7099	1.1339
2.7833	2.01	735	2.7111	1.0124
2.7521	2.03	740	2.7024	1.0275
2.6732	2.04	745	2.7058	1.0647
2.719	2.05	750	2.7200	1.0211
2.701	2.07	755	2.7024	1.0808
2.6444	2.08	760	2.6813	1.0582
2.5592	2.1	765	2.6783	1.1010
2.6444	2.11	770	2.6707	1.0946
2.6944	2.12	775	2.7012	1.1315
2.6733	2.14	780	2.7072	1.1144
2.6998	2.15	785	2.7132	1.0206
2.796	2.16	790	2.7076	1.1262
2.6881	2.18	795	2.6953	1.0841
2.7382	2.19	800	2.6605	1.1234
2.5814	2.21	805	2.6814	1.1865
2.6695	2.22	810	2.6531	1.0985
2.6415	2.23	815	2.6590	1.0804
2.646	2.25	820	2.6514	1.0853
2.6028	2.26	825	2.6723	1.1411
2.6429	2.27	830	2.6729	1.0395
2.6736	2.29	835	2.7039	1.0355
2.6959	2.3	840	2.6510	1.0414
2.6426	2.31	845	2.6660	1.1591
2.7152	2.33	850	2.6361	1.0276
2.7148	2.34	855	2.6723	1.2461
2.6336	2.36	860	2.6332	1.0310
2.665	2.37	865	2.6365	1.1312
2.5607	2.38	870	2.6344	1.1301
2.5614	2.4	875	2.6437	1.1513
2.4899	2.41	880	2.6418	1.1532
2.6794	2.42	885	2.6403	1.0272
2.6814	2.44	890	2.6420	1.1323
2.6614	2.45	895	2.6183	1.0525
2.6629	2.47	900	2.6414	1.1569
2.6166	2.48	905	2.6167	1.0265
2.6374	2.49	910	2.6299	1.1720
2.6035	2.51	915	2.6139	1.1565
2.595	2.52	920	2.6126	1.0557
2.6416	2.53	925	2.6190	1.0414
2.6785	2.55	930	2.6352	1.0289
2.6986	2.56	935	2.6268	1.0077
2.6145	2.57	940	2.6166	1.0445
2.6961	2.59	945	2.6142	1.0185
2.6852	2.6	950	2.6072	1.0122
2.5792	2.62	955	2.6078	1.1165
2.6118	2.63	960	2.6177	1.1210
2.5472	2.64	965	2.6126	1.0044
2.577	2.66	970	2.6051	1.0881
2.5602	2.67	975	2.5992	1.0178
2.695	2.68	980	2.6023	1.0248
2.7017	2.7	985	2.6190	1.0041
2.6327	2.71	990	2.6024	1.0142
2.6193	2.73	995	2.5897	1.0148
2.5939	2.74	1000	2.5900	1.0329
2.5477	2.75	1005	2.5971	1.0338
2.6089	2.77	1010	2.5969	1.0064
2.5625	2.78	1015	2.5899	1.0648
2.5745	2.79	1020	2.5861	1.0627
2.5702	2.81	1025	2.5923	1.0526
2.645	2.82	1030	2.6053	1.0199
2.6869	2.83	1035	2.6227	1.0011
2.6678	2.85	1040	2.6094	1.0179
2.6787	2.86	1045	2.5978	1.0028
2.6246	2.88	1050	2.5965	1.0093
2.5676	2.89	1055	2.5927	1.0627
2.6773	2.9	1060	2.5907	1.0817
2.6114	2.92	1065	2.5932	1.1013
2.6227	2.93	1070	2.5840	1.0402
2.594	2.94	1075	2.5997	1.1371
2.751	2.96	1080	2.5909	1.0972
2.6366	2.97	1085	2.6081	1.0598
2.577	2.98	1090	2.5915	1.0410
2.579	3.0	1095	2.5953	1.1433
2.6706	3.01	1100	2.5913	1.0456
2.6161	3.03	1105	2.6079	1.1009
2.6397	3.04	1110	2.5951	1.1771
2.6246	3.05	1115	2.5730	1.0299
2.5637	3.07	1120	2.5622	1.0848
2.5692	3.08	1125	2.5561	1.1472
2.5948	3.1	1130	2.5568	1.0802
2.5372	3.11	1135	2.5638	1.1261
2.4995	3.12	1140	2.5727	1.1395
2.6304	3.14	1145	2.5671	1.0259
2.6395	3.15	1150	2.5778	1.0212
2.6127	3.16	1155	2.5609	1.0457
2.5919	3.18	1160	2.5604	1.0902
2.6111	3.19	1165	2.5463	1.0014
2.5971	3.21	1170	2.5429	1.0022
2.5887	3.22	1175	2.5394	1.0412
2.5644	3.23	1180	2.5342	1.0469
2.4805	3.25	1185	2.6066	1.2668
2.5324	3.26	1190	2.5395	1.0234
2.5491	3.27	1195	2.5431	1.0644
2.6302	3.29	1200	2.5558	1.0680
2.6139	3.3	1205	2.5711	1.0565
2.5607	3.31	1210	2.5635	1.0415
2.6535	3.33	1215	2.5505	1.0613
2.6129	3.34	1220	2.5403	1.0724
2.5157	3.36	1225	2.5294	1.0585
2.551	3.37	1230	2.5242	1.1599
2.5527	3.38	1235	2.5474	1.2327
2.4964	3.4	1240	2.5244	1.0857
2.5781	3.41	1245	2.5299	1.0470
2.6143	3.42	1250	2.5313	1.0019
2.6566	3.44	1255	2.5431	1.0488
2.5373	3.45	1260	2.5281	1.0901
2.6597	3.47	1265	2.5300	1.0610
2.5457	3.48	1270	2.5130	1.0420
2.5632	3.49	1275	2.5306	1.1418
2.5267	3.51	1280	2.5021	1.0293
2.507	3.52	1285	2.5013	1.0196
2.5713	3.53	1290	2.4978	1.0664
2.4783	3.55	1295	2.4958	1.0530
2.5874	3.56	1300	2.4968	1.0059
2.5744	3.57	1305	2.5078	1.0287
2.5701	3.59	1310	2.4971	1.0366
2.5366	3.6	1315	2.4897	1.0191
2.5679	3.62	1320	2.4830	1.0223
2.5239	3.63	1325	2.4833	1.0784
2.5411	3.64	1330	2.4851	1.1522
2.5037	3.66	1335	2.4792	1.0928
2.5907	3.67	1340	2.4750	1.0187
2.5107	3.68	1345	2.4805	1.0873
2.5908	3.7	1350	2.4753	1.0098
2.6274	3.71	1355	2.4765	1.0045
2.5708	3.73	1360	2.4597	1.0456
2.6039	3.74	1365	2.4503	1.0485
2.5305	3.75	1370	2.4439	1.0126
2.4878	3.77	1375	2.4407	1.0162
2.5055	3.78	1380	2.4421	1.0605
2.5249	3.79	1385	2.4499	1.1163
2.5508	3.81	1390	2.4654	1.1472
2.5827	3.82	1395	2.4510	1.0561
2.6148	3.83	1400	2.4496	0.9998
2.5763	3.85	1405	2.4417	1.0067
2.6077	3.86	1410	2.4458	1.0682
2.5388	3.88	1415	2.4352	1.0820
2.5235	3.89	1420	2.4277	1.0784
2.4996	3.9	1425	2.4245	1.0671
2.5601	3.92	1430	2.4202	1.0650
2.5805	3.93	1435	2.4199	1.0530
2.5841	3.94	1440	2.4228	1.0797
2.4877	3.96	1445	2.4284	1.1159
2.5542	3.97	1450	2.4190	1.0575
2.5961	3.98	1455	2.4162	1.0676
2.495	4.0	1460	2.4165	1.0821
2.6157	4.01	1465	2.4119	1.0117
2.5415	4.03	1470	2.4089	1.0110
2.4916	4.04	1475	2.4032	1.0498
2.5445	4.05	1480	2.3997	1.0429
2.4941	4.07	1485	2.4008	1.0141
2.5113	4.08	1490	2.3975	1.0357
2.4707	4.1	1495	2.3938	1.0288
2.4952	4.11	1500	2.3910	1.0300
2.5017	4.12	1505	2.3861	1.0813
2.5566	4.14	1510	2.3919	1.1082
2.5754	4.15	1515	2.3947	1.0074
2.6138	4.16	1520	2.4040	0.9989
2.5024	4.18	1525	2.3949	1.0039
2.5136	4.19	1530	2.3993	1.0496
2.5646	4.21	1535	2.3981	1.0729
2.4556	4.22	1540	2.3952	1.0494
2.5774	4.23	1545	2.3924	1.0345
2.5126	4.25	1550	2.3888	1.0306
2.4596	4.26	1555	2.3960	1.0775
2.521	4.27	1560	2.3978	1.1025
2.6304	4.29	1565	2.3885	1.0433
2.543	4.3	1570	2.3849	1.0072
2.5601	4.31	1575	2.3855	1.0110
2.6304	4.33	1580	2.3878	1.0369
2.4121	4.34	1585	2.3783	1.0366
2.4261	4.36	1590	2.3746	1.0307
2.5038	4.37	1595	2.3789	1.0611
2.5391	4.38	1600	2.3849	1.0738
2.4341	4.4	1605	2.3779	1.0573
2.5306	4.41	1610	2.3751	1.0460
2.5818	4.42	1615	2.3743	1.0251
2.5531	4.44	1620	2.3723	1.0209
2.51	4.45	1625	2.3755	1.0316
2.5788	4.47	1630	2.3725	1.0396
2.5701	4.48	1635	2.3663	1.0292
2.4194	4.49	1640	2.3641	1.0261
2.5439	4.51	1645	2.3629	1.0376
2.4527	4.52	1650	2.3629	1.0563
2.5705	4.53	1655	2.3654	1.0766
2.4552	4.55	1660	2.3708	1.0802
2.5657	4.56	1665	2.3638	1.0248
2.5371	4.57	1670	2.3639	1.0053
2.5365	4.59	1675	2.3626	1.0072
2.5383	4.6	1680	2.3584	1.0170
2.546	4.62	1685	2.3574	1.0469
2.6006	4.63	1690	2.3517	1.0509
2.4894	4.64	1695	2.3489	1.0452
2.4732	4.66	1700	2.3489	1.0586
2.4933	4.67	1705	2.3501	1.0694
2.4784	4.68	1710	2.3472	1.0647
2.5349	4.7	1715	2.3419	1.0299
2.553	4.71	1720	2.3420	1.0115
2.5035	4.73	1725	2.3415	1.0117
2.561	4.74	1730	2.3418	1.0242
2.4773	4.75	1735	2.3420	1.0325
2.4691	4.77	1740	2.3422	1.0394
2.4959	4.78	1745	2.3405	1.0418
2.4928	4.79	1750	2.3394	1.0449
2.5058	4.81	1755	2.3392	1.0489
2.5193	4.82	1760	2.3390	1.0506
2.5369	4.83	1765	2.3392	1.0384
2.4843	4.85	1770	2.3398	1.0236
2.5074	4.86	1775	2.3400	1.0150
2.4941	4.88	1780	2.3386	1.0150
2.4352	4.89	1785	2.3370	1.0172
2.4372	4.9	1790	2.3362	1.0208
2.4855	4.92	1795	2.3358	1.0238
2.4516	4.93	1800	2.3355	1.0276
2.5281	4.94	1805	2.3356	1.0312
2.5519	4.96	1810	2.3352	1.0318
2.4641	4.97	1815	2.3349	1.0294
2.4515	4.98	1820	2.3348	1.0284
2.553	5.0	1825	2.3347	1.0286

Framework versions

Transformers 4.17.0.dev0
Pytorch 1.10.2+cu102
Datasets 1.18.2.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: Wav2Vec2ForCTC
Ревизия весов: 9db4420

Характеристики

Ссылки

xls-r-300m-sv-cv8

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Ограничения

Для каких профессий подходит4

Карточка модели

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Как запустить