/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-large-xlsr-53
Опубликована
1 окт 2024

wav2vec2-xlsr-53-ft-btb-cv-cy

Распознавание речиАудио → текст4 профессии

Модель wav2vec 2.0, дообученная для распознавания валлийской речи и её преобразования в текст.

55скачиваний за 30 дней0лайковвеса обновлены6 ноя 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

Это модель автоматического распознавания речи на валлийском языке, разработанная на основе facebook/wav2vec2-large-xlsr-53 и дообученная на корпусе Common Voice 18.0 с чтением вслух и на спонтанной речи из Bangor Transcriptions 24.10. Она использует архитектуру wav2vec 2.0 с CTC-декодированием и содержит 402,7 млн параметров.

Модель преобразует валлийскую речь в текст и подходит для расшифровки записей, включая чтение и спонтанную речь. На тестовой выборке Bangor Transcriptions указаны WER 36,23 и CER 12,55. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • расшифровка валлийской речи из записей
  • транскрибирование валлийского чтения вслух
  • транскрибирование спонтанной валлийской речи

Ограничения

На тестовом наборе Bangor Transcriptions указаны WER 36,23 и CER 12,55; качество может зависеть от акцента, акустических условий и соответствия речи обучающим данным.

Для каких профессий подходит4

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

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
b594d32

0 моделей