/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense

Ссылки

Hugging Face

rasr_sample

naleraphael
Распознавание речиАудио → текст4 профессии

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

14скачиваний за 30 дней0лайковвеса обновлены1 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

rasr_sample — модель автоматического распознавания речи, дообученная автором на основе facebook/wav2vec2-xls-r-300m на шведской части датасета Mozilla Common Voice 7.0 (SV-SE). Модель использует архитектуру wav2vec2 с выходной головой CTC и содержит 402,7 млн параметров.

Модель предназначена для преобразования шведской речи в текст. В карточке указаны результаты на тестовой выборке: loss 0,3147 и WER 0,2676. Она принимает аудио и выдаёт текст; опубликована в формате PyTorch по лицензии Apache-2.0.

Сценарии применения

  • транскрибация записей на шведском языке
  • распознавание шведской речи в аудиозаписях
  • создание субтитров к шведской речи

Ограничения

WER 0,2676 приведён для оценки на указанной тестовой выборке Common Voice 7.0 SV-SE; качество на других данных не описано. В README подробные ограничения и сценарии применения не раскрыты.

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 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.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

rasr_sample

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - SV-SE dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3147
  • Wer: 0.2676

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: 2000
  • num_epochs: 50.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
3.33321.455003.30311.0
2.92722.9110002.93530.9970
2.07364.3615001.15650.8714
1.73395.8120000.71560.6688
1.59897.2725000.57910.5519
1.49168.7230000.50380.5169
1.456210.1735000.48610.4805
1.389311.6340000.45840.4761
1.379713.0845000.42980.4686
1.350814.5350000.41380.3744
1.316515.9955000.40150.3578
1.28117.4460000.38830.3472
1.268218.8965000.39040.3434
1.247720.3570000.37260.3321
1.236421.875000.36850.3281
1.204123.2680000.35970.3194
1.190124.7185000.35420.3203
1.190326.1690000.35000.3138
1.167727.6195000.34580.3067
1.171829.07100000.35950.3112
1.156230.52105000.34330.3022
1.139231.97110000.34400.2936
1.125833.43115000.33960.2950
1.106734.88120000.33790.2939
1.095336.34125000.33700.2868
1.083537.79130000.33170.2860
1.077239.24135000.33020.2854
1.085340.7140000.32650.2783
1.068942.15145000.33060.2770
1.039443.6150000.32330.2757
1.058145.06155000.31990.2713
1.036246.51160000.31540.2683
1.040647.96165000.31760.2688
1.008249.42170000.31490.2679

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
9b22df5

0 моделей

    Создать бенчмарк