/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
2 мар 2022

Ссылки

Hugging Face

xls-r-spanish-test

pablouribe
Распознавание речиАудио → текст3 профессии

Модель Wav2Vec2 для распознавания испанской речи, дообученная на Mozilla Common Voice 7.0.

18скачиваний за 30 дней0лайковвеса обновлены23 мар 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.

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

pablouribe/xls-r-spanish-test — модель автоматического распознавания речи, дообученная на испанской части набора Mozilla Common Voice 7.0. Она основана на архитектуре Wav2Vec2 CTC и содержит около 402,9 млн параметров. Модель принимает аудио и выдаёт распознанный текст на испанском языке.

Модель подходит для транскрибирования испанской речи, в том числе аудиозаписей и голосовых фрагментов. В README приведены результаты оценки на тестовой выборке: loss 0,1461 и WER 1,0063. Такой WER указывает на крайне низкое качество распознавания в указанной оценке. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибирование испанской речи из аудиозаписей
  • распознавание испанской речи в голосовых сообщениях
  • создание черновых испанских субтитров по аудио

Ограничения

В README указано значение WER 1,0063 на оценочной выборке, что свидетельствует о крайне низком качестве в этой оценке. Данных о других языках, условиях записи и практических ограничениях нет.

Для каких профессий подходит3

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 953моделиI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This model is a fine-tuned version of facebook/wav2vec2-large-xlsr-53 on the MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - ES dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1461
  • Wer: 1.0063

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: 7.5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 4
  • 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: 2000
  • num_epochs: 5.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
2.9530.1510002.95281.0
1.15190.320000.37351.0357
1.02780.4530000.25291.0390
0.99220.6140000.22081.0270
0.96180.7650000.20881.0294
0.93640.9160000.20191.0214
0.91791.0670000.19401.0294
0.91541.2180000.19151.0290
0.89851.3690000.18371.0211
0.90551.51100000.18381.0273
0.88611.67110000.17651.0139
0.8921.82120000.17231.0188
0.87781.97130000.17351.0092
0.86452.12140000.17071.0106
0.85952.27150000.17131.0186
0.83922.42160000.16861.0053
0.84362.57170000.16531.0096
0.84052.73180000.16891.0077
0.83822.88190000.16451.0114
0.82473.03200000.16471.0078
0.82193.18210000.16111.0026
0.80243.33220000.15801.0062
0.80873.48230000.15781.0038
0.80973.63240000.15561.0057
0.80943.79250000.15521.0035
0.78363.94260000.15161.0052
0.80424.09270000.15151.0054
0.79254.24280000.14991.0031
0.78554.39290000.14901.0041
0.78144.54300000.14821.0068
0.78594.69310000.14601.0066
0.78194.85320000.14641.0062
0.77845.0330000.14601.0063

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.2+cu102
  • Datasets 1.18.3.dev0
  • Tokenizers 0.11.0

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
a3da82e

0 моделей

    Создать бенчмарк