/ Модель

Характеристики

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

wav2vec2-large-xls-r-300m-as

Распознавание речиАудио → текст5 профессий

Модель Wav2Vec2 для распознавания ассамской речи и преобразования аудио в текст.

8скачиваний 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.

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

reichenbach/wav2vec2-large-xls-r-300m-as — модель автоматического распознавания речи, дообученная на Common Voice на основе facebook/wav2vec2-xls-r-300m. Она использует архитектуру Wav2Vec2ForCTC и принимает аудио, выдавая распознанный текст на ассамском языке. В карточке приведены результаты оценки: WER 0,5174 и WER 0,7224 на тестовом наборе Common Voice Assamese v7.0, CER 0,2882. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация речи на ассамском языке
  • распознавание аудио из Common Voice
  • получение текстовой расшифровки ассамской речи

Ограничения

В README указано WER 0,7224 и CER 0,2882 на тестовом наборе Common Voice Assamese v7.0; эти результаты показывают существенную ошибку распознавания и могут не отражать качество на других аудиоданных.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xls-r-300m-as

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the common_voice dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8318
  • Wer: 0.5174

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: 0.0003
  • 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_ratio: 0.12
  • num_epochs: 120

Training results

Training LossEpochStepValidation LossWer
4.88225.04001.22900.8182
0.827550.08000.68350.5398
0.33775.012000.77890.5107
0.2113100.016000.83180.5174

Framework versions

  • Transformers 4.16.2
  • Pytorch 1.10.1+cu102
  • Datasets 1.17.1.dev0
  • Tokenizers 0.10.3

Test Evaluation

Common Voice Assamese Test Set (v7.0)

  • WER: 0.7224
  • CER: 0.2882

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
9ac11d0

0 моделей