/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense

Ссылки

Hugging Face

wav2vec2-xls-r-300m-hindi

shivam
Распознавание речиАудио → текст7 профессий

Дообученная на Common Voice модель Wav2Vec2 распознаёт речь на хинди и преобразует аудио в текст.

22скачиваний за 30 дней1лайквеса обновлены23 янв 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

shivam/wav2vec2-xls-r-300m-hindi — модель распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m на наборе Mozilla Foundation Common Voice 7.0 для хинди. Она использует архитектуру Wav2Vec2ForCTC и принимает аудио, преобразуя его в текст на хинди. В карточке указаны результаты на тестовой выборке: loss 1,4031 и WER 0,6827; высокий WER указывает на заметную долю ошибок распознавания.

Модель подходит для транскрибирования записей речи на хинди, в том числе материалов, похожих на записи Common Voice. Она распространяется в формате PyTorch по лицензии Apache-2.0.

Сценарии применения

  • транскрибирование записей речи на хинди
  • распознавание хинди в аудиозаписях, похожих на Common Voice
  • создание текстовых расшифровок для речевых данных на хинди

Ограничения

На тестовой выборке указана WER 0,6827, что означает заметную долю ошибок распознавания. Оценка приведена для данных Common Voice 7.0 и может не отражать качество на других акустических условиях и типах речи.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.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 923моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - HI dataset. It achieves the following results on the evaluation set:

  • Loss: 1.4031
  • Wer: 0.6827

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: 7.5e-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: 2000
  • num_epochs: 100.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
5.31563.45004.55831.0
3.33296.810003.42741.0001
2.127510.215001.72210.8763
1.573713.620001.41880.8143
1.383517.0125001.22510.7447
1.324720.4130001.28270.7394
1.23123.8135001.22160.7074
1.181927.2140001.22100.6863
1.154630.6145001.32330.7308
1.090234.0150001.32510.7010
1.074937.4155001.32740.7235
1.041240.8160001.29420.6856
1.006444.2265001.25810.6732
1.000647.6270001.27670.6885
0.951851.0275001.29660.6925
0.951454.4280001.29810.7067
0.924157.8285001.38350.7124
0.905961.2290001.33180.7083
0.890664.6295001.36400.6962
0.846868.03100001.47270.6982
0.863171.43105001.34010.6809
0.815474.83110001.41240.6955
0.795378.23115001.42450.6950
0.81881.63120001.39440.6995
0.777285.03125001.37350.6785
0.785788.43130001.36960.6808
0.770591.84135001.41010.6870
0.753795.24140001.41780.6832
0.773498.64145001.40270.6831

Framework versions

  • Transformers 4.16.0.dev0
  • Pytorch 1.10.1+cu113
  • Datasets 1.18.1.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
Wav2Vec2ForCTC
Ревизия весов
8c286c1

0 моделей

    Создать бенчмарк