/ Модель

Характеристики

Параметры
1,3 млрд
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
2 мар 2022

wav2vec2-xlsr-mongolian

Распознавание речиАудио → текст5 профессий

Модель Wav2Vec2, дообученная для автоматической транскрипции речи на монгольском языке.

382скачиваний 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

sammy786/wav2vec2-xlsr-mongolian — модель распознавания речи на архитектуре Wav2Vec2ForCTC, дообученная на основе facebook/wav2vec2-xls-r-1b для монгольского языка. Она преобразует аудиозаписи речи в текст и предназначена для автоматической транскрипции, в том числе записей, похожих на данные Mozilla Common Voice 8.0.

В README приведён результат оценки на наборе, описанном как объединение части обучающих данных с dev и другими данными: WER 34,1522 и loss 31,52. README также содержит несогласованность: набор данных и конфигурация обозначены как монгольские, но в описании обучающих данных упомянуты файлы Finnish. Лицензия модели — Apache-2.0.

Сценарии применения

  • транскрипция монгольской речи в текст
  • распознавание монгольской речи в записях Common Voice
  • создание черновых субтитров для монгольских аудиозаписей

Ограничения

В README отмечена несогласованность в описании обучающих данных: указаны монгольская конфигурация и датасет, но также упомянуты Finnish train/dev/other. Приведённый WER составляет 34,1522 на описанной авторами оценочной выборке.

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

sammy786/wav2vec2-xlsr-mongolian

This model is a fine-tuned version of facebook/wav2vec2-xls-r-1b on the MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - mn dataset. It achieves the following results on evaluation set (which is 10 percent of train data set merged with other and dev datasets):

  • Loss: 31.52
  • Wer: 34.1522

Model description

"facebook/wav2vec2-xls-r-1b" was finetuned.

Intended uses & limitations

More information needed

Training and evaluation data

Training data - Common voice Finnish train.tsv, dev.tsv and other.tsv

Training procedure

For creating the train dataset, all possible datasets were appended and 90-10 split was used.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.000045637994662983496
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 13
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine_with_restarts
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

StepTraining LossValidation LossWer
2004.9062003.0129861.000000
4001.7346000.7048210.750497
6001.1321000.4962230.531241
8000.9293000.4689370.469043
10000.7723000.4253130.448168
12000.6239000.3946330.414229
14000.5124000.3692250.397614
16000.4399000.3460330.391650
18000.3913000.3584540.379296
20000.3770000.3468220.359415
22000.3475000.3252050.348481
24000.3436000.3152330.344078
26000.3280000.3088260.341522
28000.3582000.3317860.343084
30000.4172000.3700510.356433
32000.6853000.5954380.407413
34000.7641000.6434490.359983
36000.7171000.5050330.371911
38000.6209000.4641380.369071
40000.5907000.4454170.363249
42000.5610000.4407270.360267
44000.5506000.4471220.360267
46000.5621000.4570200.359841
48000.5788000.4704770.360551
50000.5804000.4814130.362539
52000.6055000.4852400.362823
54000.5829000.4866540.362965
56000.5939000.4867150.363107
58000.5909000.4867160.363107
60000.5872000.4867160.363107

Framework versions

  • Transformers 4.16.0.dev0
  • Pytorch 1.10.0+cu102
  • Datasets 1.17.1.dev0
  • Tokenizers 0.10.3

Evaluation Commands

  1. To evaluate on mozilla-foundation/common_voice_8_0 with split test
python eval.py --model_id sammy786/wav2vec2-xlsr-mongolian --dataset mozilla-foundation/common_voice_8_0 --config mn --split test

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
b8d1545

0 моделей