/ Модель

Характеристики

Параметры
1,3 млрд
Лицензия
CC BY-NC 4.0
Архитектура
wav2vec2 · dense
Базовая модель
mms-1b-all
Опубликована
23 ноя 2023

wav2vec2-large-mms-1b-azerbaijani-common_voice15.0

Распознавание речиАудио → текст5 профессий

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

184 тыс.скачиваний за 30 дней5лайковвеса обновлены23 ноя 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

Это модель автоматического распознавания речи на азербайджанском языке, созданная дообучением многоязычной wav2vec2-модели facebook/mms-1b-all на наборе Common Voice 15.0. Архитектура — Wav2Vec2ForCTC; модель содержит около 1,3 млрд параметров и принимает аудио, преобразуя речь в текст.

Модель предназначена для транскрибации азербайджанской речи, в том числе записей, похожих на аудио из Common Voice. На оценочной выборке указаны loss 0,3188 и WER 0,2632; результаты на других типах записей могут отличаться. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не для коммерческих целей.

Сценарии применения

  • транскрибация азербайджанской речи
  • создание субтитров для азербайджанских аудиозаписей
  • распознавание азербайджанской речи в записях, похожих на Common Voice

Ограничения

На оценочной выборке Common Voice 15.0 указана частота ошибок слов WER 0,2632; качество на иных данных может отличаться. Лицензия CC BY-NC 4.0 не допускает коммерческого использования.

Для каких профессий подходит5

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-mms-1b-azerbaijani-common_voice15.0

This model is a fine-tuned version of facebook/mms-1b-all on the common_voice_15_0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3188
  • Wer: 0.2632

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: 0.001
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 15
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
7.64712.0107.67901.0658
5.67454.0204.27271.0088
3.50166.0303.10031.0
2.62238.0401.81371.0439
1.393910.0500.65490.3947
0.369612.0600.36650.2719
0.247514.0700.31880.2632

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.1+cu121
  • Datasets 2.15.0
  • Tokenizers 0.15.0

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
6ee1f0d

0 моделей