/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-xls-r-300m
Опубликована
31 авг 2023

wav2vec2-large-xls-r-300m-turkish-colab-full

Распознавание речиАудио → текст8 профессий

Дообученная на Common Voice модель Wav2Vec2 для распознавания турецкой речи и преобразования аудио в текст.

10скачиваний за 30 дней0лайковвеса обновлены31 авг 2023

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

menhior дообучил модель facebook/wav2vec2-xls-r-300m на Common Voice для автоматического распознавания речи. Модель построена на архитектуре Wav2Vec2 и выдаёт текстовую транскрипцию по аудиозаписи; в метаданных указано 402,7 млн параметров и формат PyTorch. Название репозитория указывает на настройку для турецкого языка.

На оценочном наборе указаны loss 0,3991 и WER 0,3050. Модель подходит для транскрибирования турецкой речи в сценариях, подобных записям Common Voice. Лицензия — Apache-2.0. Подробности о тренировочных настройках и конкретных ограничениях в карточке не раскрыты.

Сценарии применения

  • транскрибирование записей турецкой речи
  • распознавание турецких голосовых сообщений
  • подготовка текстовых транскриптов аудио для последующей обработки

Ограничения

На оценочном наборе указан WER 0,3050, поэтому транскрипции могут содержать ошибки. Результат заявлен для оценки на Common Voice; карточка не сообщает о качестве на других типах аудио.

Для каких профессий подходит8

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-large-xls-r-300m-turkish-colab-full

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

  • Loss: 0.3991
  • Wer: 0.3050

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: 0.0003
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • 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: 500
  • num_epochs: 30

Training results

Training LossEpochStepValidation LossWer
3.91963.674000.65390.6524
0.39087.348000.44860.4502
0.185911.0112000.40150.3799
0.122814.6816000.40800.3741
0.095618.3520000.39300.3468
0.075722.0224000.41630.3355
0.057325.6928000.39830.3115
0.046329.3632000.39910.3050

Framework versions

  • Transformers 4.32.1
  • Pytorch 2.0.1+cu118
  • Datasets 1.18.3
  • Tokenizers 0.13.3

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
39ab2db

0 моделей