/ Модель
Каталог

Характеристики

Параметры
404 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-xls-r-300m
Опубликована
21 дек 2023

Ссылки

Hugging Face

wav2vec2-large-xls-r-300m-korean_y_freq

syp1229
Распознавание речиАудио → текст5 профессий

Дообученная модель Wav2Vec2 для распознавания речи и преобразования аудио в текст, вероятно ориентированная на корейский язык.

141скачиваний за 30 дней0лайковвеса обновлены26 дек 2023

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

syp1229/wav2vec2-large-xls-r-300m-korean_y_freq — модель автоматического распознавания речи на основе Wav2Vec2, дообученная автором репозитория на неизвестном наборе данных. Она принимает аудио и предназначена для преобразования речи в текст; название указывает на корейский язык, однако README не подтверждает языковой состав данных или область применения. Модель содержит 404 млн параметров и опубликована в формате Safetensors; базовая модель — facebook/wav2vec2-xls-r-300m.

На указанном в README оценочном наборе приведены Loss 0,4522 и CER 13,5023. Лицензия — Apache-2.0. Сведения о длине контекста, условиях записи и ограничениях применения не приведены.

Сценарии применения

  • распознавание корейской речи в аудиозаписях
  • транскрибирование корейских голосовых сообщений
  • преобразование корейской речи в текст для последующего поиска

Ограничения

Обучающий набор данных и подробные условия оценки не описаны; приведённый CER относится только к указанному оценочному набору. README не раскрывает известные ограничения модели.

Для каких профессий подходит5

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.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xls-r-300m-korean_y_freq

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

  • Loss: 0.4522
  • Cer: 13.5023

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: 0.0001
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 5
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossCer
35.28030.132005.5453100.0
4.64520.264004.6065100.0
4.55680.396004.573297.9643
4.4920.528004.509197.9643
4.3430.6410004.236995.5012
3.37780.7712002.715149.3917
2.41270.914002.229742.1509
2.01131.0316001.850035.5926
1.70371.1618001.578331.7942
1.5021.2920001.425129.2184
1.33761.4222001.381230.4232
1.25861.5524001.195225.6751
1.14151.6826001.161425.8176
1.08581.8128001.098524.9154
0.98461.9330000.998521.8826
0.94432.0632000.875919.9359
0.82982.1934000.854919.5798
0.81112.3236000.827122.2506
0.75072.4538000.780820.9389
0.72022.5840000.740919.5323
0.71212.7142000.713918.5649
0.66392.8444000.672617.4669
0.65952.9746000.683016.6301
0.61613.0948000.633415.5677
0.56043.2250000.594314.4460
0.53873.3552000.616915.4727
0.53173.4854000.583115.0751
0.51713.6156000.541414.3807
0.53.7458000.530714.1789
0.48883.8760000.517114.4875
0.48264.062000.501113.9712
0.43114.1364000.513114.2679
0.41784.2666000.492914.0364
0.39994.3868000.479114.3451
0.40294.5170000.488513.8584
0.39224.6472000.475914.2323
0.38044.7774000.458413.6091
0.37484.976000.452213.5023

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.0+cu121
  • Datasets 2.16.0
  • Tokenizers 0.15.0

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
5e722d5

0 моделей

    Создать бенчмарк