/ Модель

Характеристики

Параметры
403 млн
Архитектура
wav2vec2 · dense
Опубликована
20 апр 2022

wav2vec2-large-xls-r-300m-urdu-cv8-200epochs

Распознавание речиАудио → текст

Модель Wav2Vec2ForCTC для распознавания речи на урду, обученная на Common Voice.

10скачиваний за 30 дней0лайковвеса обновлены21 апр 2022

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 wav2vec2-large-xls-r-300m-urdu-cv8-200epochs — система автоматического распознавания речи на базе архитектуры Wav2Vec2ForCTC. Согласно карточке, она обучалась с нуля на наборе Common Voice. В репозитории указано 402,7 млн параметров и формат PyTorch.

Модель предназначена для преобразования аудиозаписей на урду в текст. На оценочном наборе указаны loss 1,3200 и WER 0,7723; высокий WER свидетельствует о существенных ошибках распознавания. Лицензия в предоставленных данных не указана.

Сценарии применения

  • транскрибация записей речи на урду
  • распознавание речи на урду в корпусе Common Voice
  • экспериментальная оценка ASR-модели на урду

Ограничения

На оценочном наборе WER составляет 0,7723, что указывает на низкую точность распознавания. Обучающие данные, кроме названия набора Common Voice, и условия лицензии в доступных сведениях не описаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xls-r-300m-urdu-cv8-200epochs

This model was trained from scratch on the common_voice dataset. It achieves the following results on the evaluation set:

  • Loss: 1.3200
  • Wer: 0.7723

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: 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: 100
  • num_epochs: 13
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.32041.27321.32000.7723
0.30212.55641.32000.7723
0.31533.82961.32000.7723
0.32395.121281.32000.7723
0.31536.391601.32000.7723
0.32027.671921.32000.7723
0.31268.942241.32000.7723
0.318310.242561.32000.7723
0.313511.512881.32000.7723
0.313712.783201.32000.7723

Framework versions

  • Transformers 4.18.0
  • Pytorch 1.10.0+cu111
  • Datasets 1.18.3
  • Tokenizers 0.12.1

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
2e040ad

0 моделей