/ Модель
Каталог

Характеристики

Параметры
1,3 млрд
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense

Ссылки

Hugging Face

wav2vec2-xls-r-1b-dv

shahukareem
Распознавание речиАудио → текст8 профессий

Модель Wav2Vec2 с 1,3 млрд параметров для автоматической транскрипции речи в текст, дообученная на Common Voice.

39скачиваний за 30 дней0лайковвеса обновлены11 фев 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

wav2vec2-xls-r-1b-dv — модель распознавания речи на архитектуре Wav2Vec2ForCTC, дообученная на базе facebook/wav2vec2-xls-r-1b на датасете Common Voice. Она преобразует аудио в текст и предназначена для автоматической транскрипции речи. В README приведены результаты на оценочном наборе: loss 0,1702 и WER 0,2123.

Модель содержит 1,3 млрд параметров, опубликована в формате PyTorch и распространяется по лицензии Apache-2.0. В карточке указана связь с Common Voice 8.0; метаданные также содержат тег «dv», но не позволяют достоверно установить язык аудио. Сведения о длине контекста и дополнительных сценариях применения отсутствуют.

Сценарии применения

  • транскрибация аудиозаписей речи
  • распознавание речи из датасета Common Voice
  • получение текстовой расшифровки аудио для последующей обработки

Ограничения

Язык распознавания и устойчивость к различным акустическим условиям не установлены по доступной карточке. На оценочном наборе указана WER 0,2123; качество на других данных может отличаться.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-xls-r-1b-dv

This model is a fine-tuned version of facebook/wav2vec2-xls-r-1b on the common_voice dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1702
  • Wer: 0.2123

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: 4.5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 4
  • 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: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
3.84120.664000.71600.7913
0.68321.338000.34010.5268
0.46241.9912000.26710.4683
0.38322.6516000.23950.4410
0.34433.3220000.24100.4296
0.3243.9824000.23020.4143
0.29344.6428000.24020.4136
0.27735.3132000.21340.4088
0.26385.9736000.20720.4037
0.24796.6340000.20360.3876
0.24247.344000.20370.3767
0.22497.9648000.19590.3802
0.21698.6252000.19430.3813
0.21099.2956000.19440.3691
0.19919.9560000.18700.3589
0.191710.6164000.18340.3485
0.186211.2868000.18570.3486
0.174411.9472000.18120.3330
0.17112.676000.17970.3436
0.159913.2780000.18390.3319
0.159713.9384000.17370.3385
0.149414.5988000.18070.3239
0.144415.2692000.17500.3155
0.138215.9296000.17050.3084
0.129916.58100000.17770.2999
0.130617.25104000.17650.3056
0.123917.91108000.16760.2864
0.114918.57112000.17740.2861
0.113419.24116000.16540.2699
0.110119.9120000.16210.2651
0.103820.56124000.16860.2610
0.103821.23128000.17220.2559
0.098821.89132000.17080.2486
0.094922.55136000.16960.2453
0.091323.22140000.16770.2424
0.087923.88144000.16400.2359
0.088824.54148000.16970.2347
0.082625.21152000.17090.2314
0.081925.87156000.16790.2256
0.079326.53160000.17010.2214
0.077327.2164000.16820.2176
0.078327.86168000.16850.2165
0.07428.52172000.16880.2155
0.075329.19176000.16950.2110
0.069929.85180000.17020.2123

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.2+cu102
  • Datasets 1.18.3
  • 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
Wav2Vec2ForCTC
Ревизия весов
7fe8d35

0 моделей

    Создать бенчмарк