/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2 · dense
Опубликована
19 ноя 2022

Ссылки

Hugging Face

wav2vec2-xls-r-300m-crh

robinhad
Распознавание речиАудио → текст4 профессии

Дообученная wav2vec2-модель для распознавания крымскотатарской речи и преобразования аудио в текст.

12скачиваний за 30 дней1лайквеса обновлены19 ноя 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

Модель robinhad/wav2vec2-xls-r-300m-crh — дообученная на пользовательском наборе данных крымскотатарской речи версия facebook/wav2vec2-xls-r-300m. Это аудиомодель на архитектуре wav2vec2 с CTC-декодированием, предназначенная для автоматического распознавания речи и выдачи текстовой транскрипции на крымскотатарском языке. В репозитории указано 402,7 млн параметров; модель опубликована в формате PyTorch и распространяется по лицензии MIT.

В README приведены результаты на оценочном наборе: WER 0,4494 и CER 0,1254. Эти показатели характеризуют только указанную оценку и не гарантируют качество на других записях. Подробности о составе данных, условиях записи и ограничениях применения не приведены.

Сценарии применения

  • транскрибация записей речи на крымскотатарском языке
  • распознавание крымскотатарской речи в аудиофайлах
  • подготовка текстовых расшифровок крымскотатарских аудиоматериалов

Ограничения

На оценочном наборе указаны WER 0,4494 и CER 0,1254; качество на других данных может отличаться. Подробности о тренировочных данных и ограничениях в карточке не раскрыты.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.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 923модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-xls-r-300m-crh

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

  • Loss: 0.738475
  • Wer: 0.4494
  • Cer: 0.1254

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: 3e-05
  • train_batch_size: 24
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 6
  • total_train_batch_size: 144
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 100
  • mixed_precision_training: Native AMP

Framework versions

  • Transformers 4.24.0
  • Pytorch 1.13.0+cu117
  • Datasets 2.6.1
  • Tokenizers 0.13.1

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
e8db4c5

0 моделей

    Создать бенчмарк