/ Модель
Каталог

Характеристики

Параметры
1,3 млрд
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
2 мар 2022

Ссылки

Hugging Face

wav2vec2-xls-r-1b-ro

ubamba98
Распознавание речиАудио → текст8 профессий

Дообученная wav2vec2-модель для распознавания румынской речи и преобразования аудио в текст.

13скачиваний за 30 дней0лайковвеса обновлены23 мар 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

ubamba98/wav2vec2-xls-r-1b-ro — модель распознавания речи, дообученная на базе facebook/wav2vec2-xls-r-1b на румынской части набора Mozilla Common Voice 7.0. Она использует архитектуру wav2vec2 с выходной головой CTC и предназначена для преобразования румынской речи в текст.

На оценочной выборке указаны WER 0,4770 и CER 0,0306. Модель принимает аудио и выдаёт текст; в репозитории указаны веса PyTorch. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация румынской речи
  • распознавание речи в аудиозаписях на румынском языке
  • подготовка текстовых расшифровок румынских записей

Ограничения

В README приведён WER 0,4770 на оценочной выборке; качество может зависеть от условий записи и соответствия аудио обучающим данным.

Для каких профессий подходит8

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.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.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-xls-r-1b-ro

This model is a fine-tuned version of facebook/wav2vec2-xls-r-1b on the MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - RO dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1113
  • Wer: 0.4770
  • Cer: 0.0306

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: 3e-05
  • 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: 2000
  • num_epochs: 50.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
0.78441.6715000.34120.86000.0940
0.72723.3430000.19260.64090.0527
0.69245.0245000.14130.57220.0401
0.63276.6960000.12520.53660.0371
0.63638.3675000.12350.57410.0389
0.623810.0390000.11800.55420.0362
0.601811.71105000.11920.56940.0369
0.58313.38120000.12160.57720.0385
0.564315.05135000.11950.54190.0371
0.539916.72150000.12400.52240.0370
0.552918.39165000.11740.55550.0367
0.524620.07180000.10970.50470.0339
0.493621.74195000.12250.51890.0382
0.462923.41210000.11420.50470.0344
0.446325.08225000.11680.48870.0339
0.467126.76240000.11190.50730.0338
0.435928.43255000.12060.54790.0363
0.422530.1270000.11220.51700.0345
0.403831.77285000.11590.50320.0343
0.427133.44300000.11160.51260.0339
0.386735.12315000.11010.49370.0327
0.367436.79330000.11420.49400.0330
0.360738.46345000.11060.51450.0327
0.365140.13360000.11720.49210.0317
0.326841.81375000.10930.48300.0310
0.334543.48390000.11310.47600.0314
0.323645.15405000.11320.48640.0317
0.31246.82420000.11240.48610.0315
0.310648.49435000.11160.47450.0306

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.2+cu102
  • Datasets 1.18.2.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
ec31f53

0 моделей

    Создать бенчмарк