/ Модель

Характеристики

Параметры
1,3 млрд
Лицензия
CC BY-NC 4.0
Архитектура
wav2vec2 · dense
Базовая модель
mms-1b-all
Опубликована
20 янв 2024

wav2vec2-large-mms-1b-yoruba-test

Распознавание речиАудио → текст3 профессии

Модель Wav2Vec2, дообученная для распознавания и транскрибации речи на йоруба.

585скачиваний за 30 дней2лайкавеса обновлены20 янв 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

Это модель автоматического распознавания речи на языке йоруба, дообученная Daniel Ogbuigwe на базе facebook/mms-1b-all с использованием данных Common Voice 16.1. Она построена на архитектуре Wav2Vec2 и содержит около 1,3 млрд параметров; исходное семейство MMS поддерживает более тысячи языков, но этот чекпойнт дообучен для транскрибации йоруба. Модель принимает аудио и преобразует речь в текст, например для расшифровки записей и голосовых сообщений на йоруба.

На оценочной выборке указаны loss 0,6682 и WER 0,6802, что следует учитывать при применении к реальным записям. Карточка не описывает дополнительные сценарии и ограничения. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое использование.

Сценарии применения

  • транскрибация аудиозаписей на йоруба
  • распознавание йоруба в голосовых сообщениях
  • подготовка текстовых расшифровок йоруба для субтитров

Ограничения

На оценочной выборке указана высокая доля ошибок WER 0,6802, поэтому качество транскрибации может быть ограниченным. Лицензия CC BY-NC 4.0 не допускает коммерческое использование.

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-mms-1b-yoruba-test

This model is a fine-tuned version of facebook/mms-1b-all on the common_voice_16_1 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6682
  • Wer: 0.6802

Finetuned by Daniel Ogbuigwe

Model description

This checkpoint is a model fine-tuned for multi-lingual ASR using Facebook's Massive Multilingual Speech project. This checkpoint is based on the Wav2Vec2 architecture and makes use of adapter models to transcribe 1000+ languages. The checkpoint consists of 1 billion parameters and has been fine-tuned from facebook/mms-1b on Yoruba.

Intended uses & limitations

More information needed

Training and evaluation data

Common Voice 16.1 Yoruba data

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: 4
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
4.89230.771000.77100.7413
0.75071.542000.72490.7585
0.70332.313000.71050.7247
0.68883.084000.68290.7229
0.64713.855000.66820.6802

Framework versions

  • Transformers 4.38.0.dev0
  • Pytorch 2.1.0+cu121
  • Datasets 2.16.1
  • 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
b963c40

0 моделей