/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
15 июн 2022

wav2vec2-bloom-speech-tgl

Распознавание речиАудио → текст6 профессий

Дообученная wav2vec 2.0 XLS-R модель SIL AI для преобразования тагальской речи в текст.

3 095скачиваний за 30 дней0лайковвеса обновлены21 окт 2022

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Модель SIL AI — дообученная версия facebook/wav2vec2-xls-r-300m для автоматического распознавания речи на тагальском языке. Она принимает аудио и преобразует речь в текст; обучающие данные взяты из набора SIL-AI/bloom-speech, раздел TGL, связанного с Bloom Library. На оценочной выборке указаны WER 0,2457 и CER 0,0769.

Модель предназначена для распознавания тагальской речи в сценариях, связанных с материалами Bloom. Это proof of concept: авторы не гарантируют качество в конкретных условиях. Для использования необходимо соблюдать лицензию SIL RAIL-M License.

Сценарии применения

  • распознавание тагальской речи в аудиозаписях
  • транскрибирование материалов Bloom на тагальском языке
  • создание черновых субтитров к тагальской речи

Ограничения

Это proof of concept, и авторы не гарантируют качество в конкретных условиях; на оценочной выборке WER составляет 0,2457. Использование регулируется лицензией SIL RAIL-M License.

Для каких профессий подходит6

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

wav2vec2-bloom-speech-tgl

logo for Bloom Library sil-ai logo

Model description

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the SIL-AI/bloom-speech - TGL (Tagalog) dataset. It achieves the following results on the evaluation set:

  • Loss: 0.9606
  • Wer: 0.2457
  • Cer: 0.0769

Users should refer to the original model for tutorials on using a trained model for inference.

Intended uses & limitations

Users of this model must abide by the SIL RAIL-M License.

This model is created as a proof of concept and no guarantees are made regarding the performance of the model is specific situations.

Training and evaluation data

Training, Validation, and Test datasets were generated from the same corpus, ensuring that no duplicate files were used.

Training procedure

Standard finetuning of XLS-R was used based on the examples in the Hugging Face Transformers Github

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0003
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • 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: 250
  • num_epochs: 1000.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
No log22.732500.92180.52390.1605
2.04445.455000.73450.37170.0981
2.04468.187500.77420.350.0957
0.071390.9110000.88980.31960.0883
0.0713113.6412500.92360.34780.1044
0.0409136.3615000.80820.31740.0883
0.0409159.0917500.83530.28260.0824
0.0287181.8220000.77370.27830.0859
0.0287204.5522501.16090.28910.0871
0.0146227.2725000.96060.24570.0769
0.0146250.027500.91150.27170.0777
0.015272.7330000.84340.31300.0859
0.015295.4532501.08050.30870.0961

Framework versions

  • Transformers 4.21.0.dev0
  • Pytorch 1.9.0+cu111
  • Datasets 2.2.2
  • Tokenizers 0.12.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
be27eaf

0 моделей