/ Модель

Характеристики

Параметры
403 млн
Архитектура
wav2vec2 · dense
Опубликована
21 фев 2024

XLS-R-tamil-phoneme

Распознавание речиАудио → текст3 профессии

Модель Wav2Vec2 для распознавания тамильской речи с выводом фонемной транскрипции.

252скачиваний за 30 дней0лайковвеса обновлены21 фев 2024

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

Модель speech31/XLS-R-tamil-phoneme — акустическая модель распознавания речи на архитектуре Wav2Vec2, дообученная разработчиком на тамильской части Common Voice 16.1. Аудиосигнал преобразуется в последовательность тамильских фонем, записанных символами IPA и специальными знаками; это позволяет учитывать особенности тамильского произношения.

Модель предназначена для автоматического распознавания тамильской речи и фонетической транскрипции аудиозаписей. Она содержит около 402,7 млн параметров и опубликована в формате PyTorch. В карточке не приведены сведения о длине контекста и лицензии.

Сценарии применения

  • фонетическая транскрипция тамильских аудиозаписей
  • распознавание тамильской речи из записей Common Voice
  • преобразование тамильского произношения в последовательность фонем IPA

Ограничения

Модель настроена на вывод фонем, а не обычной орфографической записи текста. Качество на аудио вне домена Common Voice 16.1 не охарактеризовано.

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 is fine-tuned on the Tamil dataset from Common Voice 16.1, preprocessed using Epitran for transliterating text into IPA. The 'tam-Taml' code was employed to generate a precise phoneme list, crucial for capturing the nuances of Tamil phonetics:

  • Vowels:

    • Monophthongs:'a', 'aː', 'e', 'eː', 'i', 'iː', 'o', 'oː', 'u', 'uː'
    • Diphthongs: 'aj', 'aʋ'
  • Consonants:

    • Nasals: 'm', 'n̪', 'n', 'ɳ', 'ɲ', 'ŋ'
    • Stops: 'p', 't̪', 'ʈ', 'k',
    • Affricates: 't͡ʃ', 'd͡ʒ'
    • Fricatives: 's', 'ʂ', 'ʃ', 'h'
    • Tap: 'ɾ'
    • Trill: 'r'
    • Approximants: 'ʋ','ɻ', 'j', 'l', 'ɭ'
    • Consonant cluster: 'kʂ'
  • Special Symbols: '்' (denotes the absence of inherent vowel)

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
0dd27bf

0 моделей