/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-large-xlsr-53
Опубликована
27 апр 2024

speech_ocean_wav2vec_mdd

Распознавание речиАудио → текст8 профессий

Дообученная модель Wav2Vec2 для преобразования речи из аудио в текст.

98скачиваний за 30 дней0лайковвеса обновлены29 апр 2024

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 nrshoudi/speech_ocean_wav2vec_mdd разработана на основе facebook/wav2vec2-large-xlsr-53 и дообучена для автоматического распознавания речи. Это аудиомодель архитектуры Wav2Vec2 с примерно 402,8 млн параметров; она принимает аудио и выдаёт текстовую транскрипцию. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0.

В карточке приведены результаты оценки: WER 0,0863, CER 0,0692 и loss 0,3663. Данные обучения и языки распознавания не описаны, поэтому применимость к конкретным языкам и условиям записи по карточке установить нельзя.

Сценарии применения

  • транскрибирование аудиозаписей в текст
  • распознавание речи в голосовых сообщениях
  • создание текстовых расшифровок речевых файлов

Ограничения

Языки, обучающие данные и условия оценки не описаны, поэтому качество для конкретного языка или типа аудио неясно. Приведённые метрики относятся к оценочному набору модели, состав которого не раскрыт.

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

speech_ocean_wav2vec_mdd

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

  • Loss: 0.3663
  • Wer: 0.0863
  • Cer: 0.0692

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: 20
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
45.1490.98733945.05841.02580.7932
40.73252.07932.06601.01.0
14.81642.98731188.16941.01.0
5.65354.01584.59221.01.0
3.95084.98731973.85811.01.0
3.80656.02373.79071.01.0
3.7666.98732763.77691.01.0
3.75528.03163.74651.01.0
3.74898.98733553.76111.01.0
3.726310.03953.72341.01.0
3.734310.98734343.69341.01.0
3.632712.04743.42041.01.0
3.186112.98735132.79070.97100.9864
2.281414.05531.71420.50880.5401
1.685414.98735921.05730.24880.1914
1.296816.06320.72820.17860.1391
0.862616.98736710.54350.13050.0999
0.785218.07110.44400.10460.0831
0.633218.98737500.38470.09360.0748
0.651819.74687800.36630.08630.0692

Framework versions

  • Transformers 4.40.0
  • Pytorch 2.2.1+cu121
  • Datasets 2.19.0
  • Tokenizers 0.19.1

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
8b4e2c1

0 моделей