/ Модель
Каталог

Характеристики

Параметры
113 млн
Лицензия
MIT
Архитектура
wav2vec2 · dense
Опубликована
22 июл 2022

Ссылки

Hugging Face

wav2vec2-base-german-cv9

oliverguhr
Распознавание речиАудио → текст8 профессий

Дообученная Wav2Vec2-модель для распознавания немецкой речи и её преобразования в текст.

105скачиваний за 30 дней1лайквеса обновлены20 мар 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

Модель oliverguhr/wav2vec2-base-german-cv9 — акустическая модель распознавания немецкой речи, разработанная на основе facebook/wav2vec2-base и дообученная на немецкой части набора Mozilla Common Voice 9.0. Это архитектура Wav2Vec2 с CTC-декодированием, содержащая 113,3 млн параметров; веса доступны в форматах PyTorch и Safetensors.

Модель предназначена для преобразования аудиозаписей немецкой речи в текст. На оценочной выборке указаны loss 0,1742 и WER 0,1209. Лицензия — MIT. Карточка не описывает условия записи аудио и возможные различия качества для акцентов, шумных записей и других условий, поэтому результаты могут отличаться на данных вне обучающего набора.

Сценарии применения

  • транскрибация немецкой речи
  • распознавание немецкой речи в аудиозаписях
  • подготовка текстовых расшифровок немецких аудио
  • оценка систем распознавания речи на немецком языке

Ограничения

Оценка WER 0,1209 приведена для указанной оценочной выборки и не гарантирует такого же качества на других данных. Карточка не сообщает о качестве для акцентов, шумов или иных условий записи.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-german-cv9

This model is a fine-tuned version of facebook/wav2vec2-base on the MOZILLA-FOUNDATION/COMMON_VOICE_9_0 - DE dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1742
  • Wer: 0.1209

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: 0.0001
  • train_batch_size: 16
  • eval_batch_size: 32
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 50.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.68271.035570.66950.6247
0.39922.071140.37380.3936
0.26113.0106710.30110.3177
0.25364.0142280.26720.2749
0.19435.0177850.24870.2480
0.20046.0213420.22460.2268
0.16057.0248990.21760.2120
0.15798.0284560.20460.2024
0.16689.0320130.20270.1944
0.133810.0355700.19680.1854
0.147811.0391270.19630.1823
0.117712.0426840.19560.1800
0.124513.0462410.18890.1732
0.112414.0497980.18680.1714
0.111215.0533550.18050.1650
0.120916.0569120.18600.1614
0.100217.0604690.18280.1604
0.11818.0640260.18320.1580
0.097419.0675830.17710.1555
0.100720.0711400.18120.1532
0.086621.0746970.17520.1504
0.090122.0782540.16900.1477
0.096423.0818110.17730.1489
0.08524.0853680.17760.1456
0.094525.0889250.17860.1428
0.080426.0924820.17370.1429
0.083227.0960390.17890.1394
0.068328.0995960.17410.1390
0.076129.01031530.16880.1379
0.083330.01067100.17260.1370
0.075331.01102670.17740.1353
0.0832.01138240.17340.1344
0.064433.01173810.17370.1334
0.074534.01209380.17630.1335
0.062935.01244950.17610.1311
0.065436.01280520.17180.1302
0.065637.01316090.16970.1301
0.064338.01351660.17160.1279
0.068339.01387230.17770.1279
0.058740.01422800.17350.1271
0.069341.01458370.17800.1260
0.053242.01493940.17240.1245
0.059443.01529510.17360.1250
0.054444.01565080.17440.1238
0.055945.01600650.17700.1232
0.055746.01636220.17660.1231
0.052147.01671790.17510.1220
0.059148.01707360.17240.1217
0.050749.01742930.17530.1212
0.057750.01778500.17420.1209

Framework versions

  • Transformers 4.20.1
  • Pytorch 1.11.0+cu113
  • Datasets 2.0.0
  • Tokenizers 0.11.6

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
e3c2cb3

0 моделей

    Создать бенчмарк