Характеристики

Параметры: 403 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Опубликована: 24 дек 2022

Ссылки

Hugging Face

uzbek_stt

oyqiz

Распознавание речиАудио → текст6 профессий

Модель wav2vec 2.0 XLS-R для распознавания узбекской речи и её преобразования в текст.

102скачиваний за 30 дней8лайковвеса обновлены24 дек 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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 oyqiz/uzbek_stt — система распознавания речи на основе wav2vec 2.0 XLS-R, разработанная Фозилжоном Тулкиновым, Шахбозом Зохидовым, Абдурахимом Джабборовым, Яхёхоном Рахимовым и Махмудом Джуманазаровым. Она дообучена на узбекской части Mozilla Common Voice 10.0 и предназначена для преобразования узбекской речи в текст.

Модель содержит 402,7 млн параметров. В README указаны результаты обучения: WER 0,2102 и CER 0,1963. Для распознавания используются аудиоданные; результатом является текст. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0.

Сценарии применения

транскрибация узбекских аудиозаписей
распознавание узбекской речи в голосовых сообщениях
создание текстовых субтитров для узбекского аудио

Ограничения

В README приведены WER 0,2102 и CER 0,1963 на использованной оценке; результаты на других источниках узбекской речи могут отличаться.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Oyqiz jamoasi a'zolari tomonidan qilingan STT ning eng yaxshi versiyasi!

Foziljon To'lqinov, Shaxboz Zohidov, Abduraxim Jabborov, Yahyoxon Rahimov, Mahmud Jumanazarov

Bu model facebook/wav2vec2-xls-r-300m va MOZILLA-FOUNDATION/COMMON_VOICE_10_0 - UZ dataseti bilan 100ta epoxta o'qitilgan. O'qitish natijalari:

Xatolik: 0.1963
So'z xatoligi: 0.2102

O'qitish giperparameterlari

O'qitish uchun ishlatilgan giperparameterlar:

learning_rate: 0.00003
train_batch_size: 8
eval_batch_size: 8
seed: 42
distributed_type: multi-GPU
num_devices: 2
total_train_batch_size: 16
total_eval_batch_size: 16
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 500
num_epochs: 100.0
mixed_precision_training: Native AMP

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: Wav2Vec2ForPreTraining
Ревизия весов: 60a70f4