Характеристики

Параметры: 403 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense

Ссылки

Hugging Face

wav2vec2-large-xls-r-300m-spanish-custom

tomascufaro

Распознавание речиАудио → текст9 профессий

Дообученная на Common Voice модель wav2vec2 для преобразования испанской речи в текст.

18скачиваний за 30 дней0лайковвеса обновлены27 янв 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

Это дообученная модель распознавания речи tomascufaro/wav2vec2-large-xls-r-300m-spanish-custom, созданная на основе facebook/wav2vec2-xls-r-300m и обученная на Common Voice. Модель использует архитектуру wav2vec2 с CTC-декодером и принимает аудио, преобразуя речь в текст; заявленная задача — автоматическое распознавание речи.

На оценочной выборке указаны loss 0,4426 и WER 0,2117. Модель предназначена для распознавания испанской речи, однако подробности о варианте испанского, настройках аудио и качестве в разных условиях не приведены. Веса опубликованы в формате PyTorch, лицензия — Apache-2.0.

Сценарии применения

транскрибация записей речи на испанском языке
распознавание испанской речи в аудиофайлах
создание субтитров для испаноязычных аудиозаписей

Ограничения

На оценочной выборке указана ошибка WER 0,2117; качество на других данных и в шумных условиях не описано. README не приводит подробностей о параметрах аудио и настройке декодирования.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xls-r-300m-spanish-custom

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

Loss: 0.4426
Wer: 0.2117

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: 8
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 2
total_train_batch_size: 16
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 500
num_epochs: 30
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer
4.2307	0.4	400	1.4431	0.9299
0.7066	0.79	800	0.5928	0.4836
0.4397	1.19	1200	0.4341	0.3730
0.3889	1.58	1600	0.4063	0.3499
0.3607	1.98	2000	0.3834	0.3235
0.2866	2.37	2400	0.3885	0.3163
0.2833	2.77	2800	0.3765	0.3140
0.2692	3.17	3200	0.3849	0.3132
0.2435	3.56	3600	0.3779	0.2984
0.2404	3.96	4000	0.3756	0.2934
0.2153	4.35	4400	0.3770	0.3075
0.2087	4.75	4800	0.3819	0.3022
0.1999	5.14	5200	0.3756	0.2959
0.1838	5.54	5600	0.3827	0.2858
0.1892	5.93	6000	0.3714	0.2999
0.1655	6.33	6400	0.3814	0.2812
0.1649	6.73	6800	0.3685	0.2727
0.1668	7.12	7200	0.3832	0.2825
0.1487	7.52	7600	0.3848	0.2788
0.152	7.91	8000	0.3810	0.2787
0.143	8.31	8400	0.3885	0.2856
0.1353	8.7	8800	0.4103	0.2827
0.1386	9.1	9200	0.4142	0.2874
0.1222	9.5	9600	0.3983	0.2830
0.1288	9.89	10000	0.4179	0.2781
0.1199	10.29	10400	0.4035	0.2789
0.1196	10.68	10800	0.4043	0.2746
0.1169	11.08	11200	0.4105	0.2753
0.1076	11.47	11600	0.4298	0.2686
0.1124	11.87	12000	0.4025	0.2704
0.1043	12.26	12400	0.4209	0.2659
0.0976	12.66	12800	0.4070	0.2672
0.1012	13.06	13200	0.4161	0.2720
0.0872	13.45	13600	0.4245	0.2697
0.0933	13.85	14000	0.4295	0.2684
0.0881	14.24	14400	0.4011	0.2650
0.0848	14.64	14800	0.3991	0.2675
0.0852	15.03	15200	0.4166	0.2617
0.0825	15.43	15600	0.4188	0.2639
0.081	15.83	16000	0.4181	0.2547
0.0753	16.22	16400	0.4103	0.2560
0.0747	16.62	16800	0.4017	0.2498
0.0761	17.01	17200	0.4159	0.2563
0.0711	17.41	17600	0.4112	0.2603
0.0698	17.8	18000	0.4335	0.2529
0.073	18.2	18400	0.4120	0.2512
0.0665	18.6	18800	0.4335	0.2496
0.0657	18.99	19200	0.4143	0.2468
0.0617	19.39	19600	0.4339	0.2435
0.06	19.78	20000	0.4179	0.2438
0.0613	20.18	20400	0.4251	0.2393
0.0583	20.57	20800	0.4347	0.2422
0.0562	20.97	21200	0.4246	0.2377
0.053	21.36	21600	0.4198	0.2338
0.0525	21.76	22000	0.4511	0.2427
0.0499	22.16	22400	0.4482	0.2353
0.0475	22.55	22800	0.4449	0.2329
0.0465	22.95	23200	0.4364	0.2320
0.0443	23.34	23600	0.4481	0.2304
0.0458	23.74	24000	0.4442	0.2267
0.0453	24.13	24400	0.4402	0.2261
0.0426	24.53	24800	0.4262	0.2232
0.0431	24.93	25200	0.4251	0.2210
0.0389	25.32	25600	0.4455	0.2232
0.039	25.72	26000	0.4372	0.2236
0.0378	26.11	26400	0.4236	0.2212
0.0348	26.51	26800	0.4359	0.2204
0.0361	26.9	27200	0.4248	0.2192
0.0356	27.3	27600	0.4397	0.2184
0.0325	27.7	28000	0.4367	0.2181
0.0313	28.09	28400	0.4477	0.2136
0.0306	28.49	28800	0.4533	0.2135
0.0314	28.88	29200	0.4410	0.2136
0.0307	29.28	29600	0.4457	0.2113
0.0309	29.67	30000	0.4426	0.2117

Framework versions

Transformers 4.16.0.dev0
Pytorch 1.10.1+cu102
Datasets 1.17.1.dev0
Tokenizers 0.11.0

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: 1acdc92

Характеристики

Ссылки

wav2vec2-large-xls-r-300m-spanish-custom

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Ограничения

Для каких профессий подходит9

Также подходит для

Карточка модели

wav2vec2-large-xls-r-300m-spanish-custom

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Как запустить