/ Модель

Характеристики

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

wav2vec2-large-xls-r-300m-hi

Распознавание речиАудио → текст4 профессии

Дообученная на Common Voice модель Wav2Vec2 для распознавания речи на хинди в текст.

9скачиваний за 30 дней1лайквеса 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.

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 reichenbach/wav2vec2-large-xls-r-300m-hi — дообученная на Common Voice версия facebook/wav2vec2-xls-r-300m для автоматического распознавания речи на хинди. Она использует архитектуру Wav2Vec2 с выходной CTC-головой и содержит около 402,8 млн параметров. Модель принимает аудио и выдаёт распознанный текст.

В карточке приведён результат оценки на тестовой выборке: WER 0,9420 и loss 2,4749. Высокий WER указывает на существенные ошибки распознавания в этой оценке, поэтому качество следует проверять на данных целевого сценария. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация записей речи на хинди
  • распознавание хинди в аудиозаписях Common Voice
  • создание черновых субтитров для речи на хинди

Ограничения

На оценочной выборке указаны WER 0,9420 и loss 2,4749, что свидетельствует о существенных ошибках распознавания. Описание обучения, дополнительных ограничений и целевых условий применения в карточке не приведено.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xls-r-300m-hi

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: 2.4749
  • Wer: 0.9420

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: 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: 500
  • num_epochs: 50
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
9.86264.764003.61511.0
3.54639.528003.57781.0
3.441514.2812003.45251.0
3.092719.0516002.62200.9860
2.057323.820002.39740.9610
1.590528.5724002.44270.9558
1.42633.3328002.47360.9475
1.314738.0932002.44940.9417
1.264242.8536002.46650.9450
1.228947.6240002.47490.9420

Framework versions

  • Transformers 4.11.3
  • Pytorch 1.10.1+cu102
  • Datasets 1.17.1.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
a09b78a

0 моделей