/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
27 мая 2022

Ссылки

Hugging Face

wav2vec2-japanese-hiragana-vtuber

thunninoi
Распознавание речиАудио → текст4 профессии

Дообученная Wav2Vec2-модель для распознавания японской речи и её транскрибирования в текст.

90скачиваний за 30 дней2лайкавеса обновлены2 июн 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.

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

thunninoi/wav2vec2-japanese-hiragana-vtuber — модель распознавания речи на основе Wav2Vec2ForCTC с 402,7 млн параметров, дообученная от vumichien/wav2vec2-large-xlsr-japanese-hiragana. Она предназначена для преобразования японской речи в текст и подходит для транскрибирования голосовых записей, в том числе речи VTuber. В README приведены результаты оценки: loss 0,4134 и WER 0,1884; сведения о наборе данных и подробных условиях тестирования отсутствуют. Модель использует PyTorch и распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибирование японских голосовых записей
  • распознавание японской речи VTuber
  • преобразование японских аудиозаписей в текст

Ограничения

В README не описаны обучающие данные и подробности оценки, поэтому результат WER 0,1884 нельзя уверенно переносить на другие типы японской речи и записи.

Для каких профессий подходит4

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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

checkpoints

This model is a fine-tuned version of vumichien/wav2vec2-large-xlsr-japanese-hiragana on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4134
  • Wer: 0.1884

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: 3
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 6
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 75
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
1.42991.02470.76080.4853
0.80452.04940.66030.4449
0.60613.07410.55270.4233
0.43724.09880.62620.4029
0.32265.012350.45280.3462
0.25816.014820.49610.3226
0.21477.017290.48560.3075
0.17368.019760.43720.3063
0.14889.022230.37710.2761
0.128610.024700.43730.2590
0.111811.027170.38400.2594
0.103712.029640.42410.2590
0.088813.032110.41500.2410
0.092314.034580.38110.2524
0.081315.037050.41640.2459
0.067116.039520.34980.2288
0.066917.041990.36970.2247
0.058618.044460.35500.2251
0.053319.046930.40240.2231
0.054220.049400.41300.2121
0.053221.051870.34640.2231
0.045122.054340.33460.1966
0.041323.056810.45990.2088
0.040124.059280.40310.2162
0.034525.061750.37260.2084
0.03326.064220.46190.2076
0.036627.066690.40710.2202
0.034328.069160.41140.2088
0.031929.071630.36050.2015
0.030430.074100.40970.2015
0.025331.076570.41520.1970
0.023532.079040.38290.2043
0.025533.081510.39760.2011
0.020134.083980.42470.2088
0.02235.086450.38310.1945
0.017536.088920.38380.2007
0.020137.091390.43770.1986
0.017638.093860.45460.2043
0.02139.096330.43410.2039
0.019140.098800.40430.1937
0.015941.0101270.40980.2064
0.014842.0103740.40270.1905
0.012943.0106210.41040.1933
0.012344.0108680.37380.1925
0.015945.0111150.39460.1933
0.009146.0113620.39710.1880
0.008247.0116090.40420.1986
0.010848.0118560.40920.1884
0.012349.0121030.36740.1941
0.0150.0123500.37500.1876
0.009451.0125970.37810.1831
0.00852.0128440.40510.1852
0.007953.0130910.39810.1937
0.006854.0133380.44250.1929
0.006155.0135850.41830.1986
0.007456.0138320.35020.1880
0.007157.0140790.39080.1892
0.007958.0143260.39080.1913
0.004259.0145730.38010.1864
0.004960.0148200.40650.1839
0.006361.0150670.41700.1900
0.004962.0153140.39030.1856
0.003163.0155610.40420.1896
0.005464.0158080.38900.1839
0.006165.0160550.38310.1847
0.005266.0163020.38980.1847
0.003267.0165490.42300.1831
0.001768.0167960.42410.1823
0.002269.0170430.43600.1856
0.002670.0172900.42330.1815
0.002871.0175370.42250.1835
0.001872.0177840.41630.1856
0.003473.0180310.41200.1876
0.001974.0182780.41290.1876
0.002375.0185250.41340.1884

Framework versions

  • Transformers 4.17.0
  • Pytorch 1.11.0+cu113
  • Datasets 1.18.3
  • Tokenizers 0.12.1

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
aeda619

0 моделей

    Создать бенчмарк