/ Модель

Характеристики

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

wav2vec2-large-xls-r-300m-pa-in

Распознавание речиАудио → текст5 профессий

Дообученная на Common Voice wav2vec2-модель для распознавания речи pa-IN и преобразования аудио в текст.

9скачиваний 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.

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-pa-in — дообученная модель распознавания речи на базе facebook/wav2vec2-xls-r-300m. Архитектура Wav2Vec2ForCTC содержит 402,7 млн параметров; модель принимает аудио и преобразует речь в текст. Она дообучена на Common Voice и предназначена для автоматического распознавания речи на языке па-ин (pa-IN).

В карточке приведены результаты оценки: WER 0,7283 и CER 0,2928; также указан WER 0,7539 для оценки. Эти значения свидетельствуют о заметных ошибках распознавания, поэтому качество следует проверять на целевых аудиозаписях. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация речи на pa-IN
  • распознавание аудио из Common Voice
  • получение текстовой расшифровки речевых записей

Ограничения

В README указаны WER 0,7283 и CER 0,2928, что может означать существенные ошибки распознавания; результаты на других данных не приведены.

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-pa-in

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: 1.9680
  • Wer: 0.7283

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: 16
  • 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: 180
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
8.261524.974003.47841.0
3.36649.978002.36620.9917
1.167874.9712001.48060.7709
0.549699.9716001.71660.7476
0.4101124.9720001.84730.7510
0.3317149.9724001.91770.7322
0.2956174.9728001.96800.7283

Framework versions

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

Evaluations Result

  • WER: 0.7539
  • CER: 0.2928

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
c4767f1

0 моделей