/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
2 мар 2022

xls-r-et

Распознавание речиАудио → текст7 профессий

Модель Wav2Vec2 для автоматического распознавания эстонской речи и её транскрибации в текст.

26скачиваний за 30 дней0лайковвеса обновлены24 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

shpotes/xls-r-et — модель распознавания речи на основе архитектуры Wav2Vec2, дообученная автором на facebook/wav2vec2-xls-r-300m для эстонского языка на наборе MOZILLA-FOUNDATION/COMMON_VOICE_7_0. Модель принимает аудио и преобразует речь в текст; она предназначена для автоматической транскрибации эстонской речи.

В репозитории указаны 402,7 млн параметров и веса PyTorch. На оценочной выборке Common Voice 7.0 для эстонского языка приведены Loss 0,4835 и WER 0,3475. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация эстонских аудиозаписей
  • распознавание речи в голосовых сообщениях на эстонском языке
  • создание текстовых субтитров для эстонской речи

Ограничения

В карточке приведён WER 0,3475 на оценочной выборке Common Voice 7.0; качество на других наборах данных и в реальных условиях может отличаться. Описание модели и её ограничений в README не раскрыто.

Для каких профессий подходит7

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

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

  • Loss: 0.4835
  • Wer: 0.3475

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: 72
  • eval_batch_size: 72
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 144
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 100.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.382512.55000.40220.5059
0.159225.010000.45850.4456
0.121537.515000.45500.4164
0.097250.020000.47250.4088
0.073162.525000.45680.3824
0.052775.030000.47120.3653
0.042887.535000.48130.3520
0.0383100.040000.48350.3475

Framework versions

  • Transformers 4.16.0.dev0
  • Pytorch 1.10.1+cu102
  • Datasets 1.18.4.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
63823eb

0 моделей