/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense

wav2vec2-large-xlsr-tamil-commonvoice

Распознавание речиАудио → текст3 профессии

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

35скачиваний за 30 дней0лайковвеса обновлены7 ноя 2021

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 nikhil6041/wav2vec2-large-xlsr-tamil-commonvoice — дообученная nikhil6041 версия facebook/wav2vec2-large-xlsr-53 для автоматического распознавания речи на датасете Common Voice. Это модель архитектуры Wav2Vec2 с CTC-выходом, содержащая 402,7 млн параметров и сохранённая в формате PyTorch. Она предназначена для преобразования аудиозаписей на тамильском языке в текст; указанный результат на оценочной выборке — WER 0,8512.

Модель выпущена под лицензией Apache-2.0. В карточке не приведены подробности о рекомендуемых сценариях применения и известных ограничениях; высокий WER указывает на значительное число ошибок распознавания на указанной оценочной выборке.

Сценарии применения

  • транскрибация тамильской речи
  • распознавание тамильских записей Common Voice
  • получение текстовой расшифровки из тамильского аудио

Ограничения

На оценочной выборке указан WER 0,8512, что свидетельствует о высокой доле ошибок распознавания. Оценка дана для Common Voice; качество на других источниках аудио не сообщается.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xlsr-tamil-commonvoice

This model is a fine-tuned version of facebook/wav2vec2-large-xlsr-53 on the common_voice dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6145
  • Wer: 0.8512

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: 200
  • num_epochs: 20
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
12.04781.051003.38671.0
3.25222.112003.27701.0
3.16893.163003.11351.0039
2.92784.214002.04851.3109
1.35925.265000.80441.0988
0.74726.326000.65710.9474
0.58427.377000.60790.9477
0.48318.428000.60830.9491
0.42599.479000.59160.8973
0.381710.5310000.60700.9147
0.33811.5811000.58730.8617
0.312312.6312000.59830.8844
0.28713.6813000.61460.8988
0.270614.7414000.60680.8754
0.250515.7915000.59960.8638
0.241216.8416000.61060.8481
0.217617.8917000.61520.8520
0.225518.9518000.61500.8540
0.21620.019000.61450.8512

Framework versions

  • Transformers 4.11.3
  • Pytorch 1.10.0+cu102
  • Datasets 1.13.3
  • Tokenizers 0.10.3

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
b692d6d

0 моделей