/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
speech-encoder-decoder · dense
Опубликована
3 мая 2022

xtreme_s_xlsr_2_bart_covost2_fr_en_2

Распознавание речиАудио → текст3 профессии

Модель распознавания речи на архитектуре SpeechEncoderDecoderModel, обученная с нуля на наборе xtreme_s.

30скачиваний за 30 дней0лайковвеса обновлены6 мая 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

sanchit-gandhi/xtreme_s_xlsr_2_bart_covost2_fr_en_2 — модель распознавания речи на основе архитектуры SpeechEncoderDecoderModel. В карточке указано, что модель обучена с нуля на наборе xtreme_s; метаданные подтверждают поддержку задачи automatic-speech-recognition и входных аудиоданных.

Модель предназначена для преобразования речи в текст. README приводит результаты оценки: loss 1,7768 и BLEU 0,0000, однако не раскрывает описание модели, сценарии применения или детали обучающих данных. Идентификатор модели указывает на вариант для направления французский—английский, но README и метаданные не подтверждают язык входа и выхода. Репозиторий содержит веса PyTorch; сведения о лицензии отсутствуют.

Сценарии применения

  • распознавание речи из аудиозаписей
  • преобразование речи в текст для последующей обработки
  • экспериментальная оценка распознавания речи на xtreme_s

Ограничения

В README приведён BLEU 0,0000; качество распознавания по этому результату выглядит неудовлетворительным. Назначение, языки и условия лицензии в доступных материалах не описаны.

Для каких профессий подходит3

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

This model was trained from scratch on the xtreme_s dataset. It achieves the following results on the evaluation set:

  • Loss: 1.7768
  • Bleu: 0.0000

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: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 16
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 3.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossBleu
2.55110.315005.10390.0
2.20330.6210004.17820.0000
1.47030.9315002.89790.0000
1.65071.2320002.22500.0000
1.67911.5425002.05300.0000
1.45871.8530001.91210.0000
1.2882.1635001.87050.0000
1.22442.4740001.79400.0000
1.03642.7845001.77680.0000

Framework versions

  • Transformers 4.19.0.dev0
  • Pytorch 1.10.2+cu113
  • Datasets 2.1.1.dev0
  • Tokenizers 0.11.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechEncoderDecoderModel
Ревизия весов
f698754

0 моделей