/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

wav2vec2-large-xls-r-300m-Arabic-phoneme-based

nrshoudi
Распознавание речиАудио → текст3 профессии

Дообученная wav2vec2-модель для распознавания арабской речи с выводом фонемной транскрипции.

92скачиваний за 30 дней0лайковвеса обновлены9 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.

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

Это дообученная модель распознавания речи на базе facebook/wav2vec2-xls-r-300m, опубликованная пользователем nrshoudi. Она использует архитектуру Wav2Vec2 с CTC-выходом и предназначена для преобразования аудиоречи в последовательность фонем; название указывает на арабский язык и фонемное представление. В README приведены результаты оценки: loss 0,7493 и PER 0,1979.

Модель принимает аудио и выдаёт текстовую последовательность фонем. Она может подойти для фонетической транскрипции арабской речи и последующей обработки фонем. В карточке не описаны обучающий набор данных, точная языковая разновидность арабского, условия записи или практические ограничения качества. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • фонемная транскрипция арабской речи
  • распознавание произнесённых арабских слов в фонемы
  • подготовка арабских аудиозаписей для фонетического анализа

Ограничения

Описание обучающих данных и условий оценки отсутствует; приведённый PER 0,1979 не сопровождается методикой и контекстом тестирования.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейIV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модельIV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xls-r-300m-Arabic-phoneme-based

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7493
  • Per: 0.1979

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: 0.0005
  • train_batch_size: 2
  • eval_batch_size: 6
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 8
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 250
  • num_epochs: 30.0

Training results

Training LossEpochStepValidation LossPer
1.96011.021871.72210.9190
1.3072.043741.09640.4532
0.93633.065610.91630.3469
0.79424.087480.84320.3037
0.75.0109350.78270.2881
0.62746.0131220.74560.2713
0.56927.0153090.69240.2572
0.52038.0174960.65210.2491
0.48539.0196830.65830.2420
0.444810.0218700.65800.2312
0.413411.0240570.63130.2380
0.38912.0262440.60990.2225
0.364413.0284310.62380.2239
0.343214.0306180.63690.2195
0.319115.0328050.63910.2164
0.299216.0349920.63140.2164
0.282717.0371790.63850.2143
0.266618.0393660.63300.2159
0.247919.0415530.66530.2125
0.234120.0437400.66920.2165
0.220921.0459270.66560.2199
0.207522.0481140.66690.2104
0.195523.0503010.68300.2044
0.182524.0524880.69730.2065
0.175825.0546750.72650.2013
0.164426.0568620.74160.2040
0.157127.0590490.72020.2007
0.148928.0612360.72240.2019
0.143229.0634230.73570.1988
0.137330.0656100.74930.1979

Framework versions

  • Transformers 4.31.0
  • 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
22abc03

0 моделей

    Создать бенчмарк