/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

xls-r-300m-sv-cv8

patrickvonplaten
Распознавание речиАудио → текст8 профессий

Дообученная на шведской речи модель XLS-R для автоматической транскрипции аудио в текст.

9скачиваний за 30 дней0лайковвеса обновлены24 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

patrickvonplaten/xls-r-300m-sv-cv8 — модель распознавания речи на базе wav2vec 2.0 XLS-R, дообученная на шведской части набора Mozilla Common Voice 8.0 (sv-SE). Она принимает аудио и преобразует речь в текст; архитектура использует CTC. На оценочной выборке карточка сообщает WER 0,2525 и loss 0,2779. Модель рассчитана на автоматическую транскрипцию шведской речи. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация речи на шведском языке
  • распознавание шведской речи из записей
  • подготовка текстовых расшифровок аудио Common Voice

Ограничения

Показатель WER 0,2525 получен на оценочной выборке; качество может отличаться на других наборах данных и аудиозаписях. Карточка не описывает дополнительные ограничения применения.

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 923моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

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-xls-r-300m on the MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - SV-SE dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2779
  • Wer: 0.2525

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: 50.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
3.32241.375003.33541.0
2.93182.7410002.93611.0000
2.13714.1115001.11570.8359
1.68835.4820000.60030.6314
1.58126.8525000.47460.4725
1.51458.2230000.43760.4736
1.47639.5935000.40060.3863
1.421510.9640000.37830.3629
1.363812.3345000.35550.3425
1.356113.750000.33400.3228
1.340615.0755000.33730.3295
1.305516.4460000.34320.3210
1.304817.8165000.32820.3118
1.286319.1870000.32260.3018
1.238920.5575000.30500.2986
1.236121.9280000.30480.2980
1.226323.2985000.30110.2977
1.222524.6690000.30170.2959
1.204426.0395000.29770.2782
1.201727.4100000.29660.2781
1.191228.77105000.29990.2786
1.165830.14110000.29910.2757
1.14831.51115000.29150.2684
1.142332.88120000.29130.2643
1.12334.25125000.27770.2630
1.129735.62130000.28730.2646
1.098736.98135000.28290.2619
1.087338.36140000.28640.2608
1.084839.73145000.28270.2577
1.062841.1150000.28960.2581
1.081542.47155000.28140.2561
1.058743.83160000.27380.2542
1.070945.21165000.27850.2578
1.051246.57170000.27930.2539
1.039647.94175000.27880.2525
1.048149.31180000.27770.2534

Evaluation Commands

  1. To evaluate on mozilla-foundation/common_voice_7_0 with split test
python eval.py --model_id patrickvonplaten/xls-r-300m-sv-cv8 --dataset mozilla-foundation/common_voice_8_0 --config sv-SE --split test
  1. To evaluate on speech-recognition-community-v2/dev_data
python eval.py --model_id patrickvonplaten/xls-r-300m-sv-cv8 --dataset speech-recognition-community-v2/dev_data --config sv --split validation --chunk_length_s 5.0 --stride_length_s 1.0

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.1+cu113
  • Datasets 1.18.4.dev0
  • Tokenizers 0.10.3

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
56c6586

0 моделей

    Создать бенчмарк