/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-large-xlsr-53-russian
Библиотека
transformers
Опубликована
12 окт 2024

my_awesome_asr_mind_model

Распознавание речиАудио → текст4 профессии

Дообученная русскоязычная модель Wav2Vec2 для преобразования речи в текст.

21скачиваний за 30 дней0лайковвеса обновлены12 окт 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

my_awesome_asr_mind_model — русскоязычная модель распознавания речи, разработанная как дообучение jonatasgrosman/wav2vec2-large-xlsr-53-russian. Она построена на архитектуре Wav2Vec2 с выходной головой CTC и содержит около 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст; карточка указывает русский язык и библиотеку Transformers.

В README приведены результаты оценки: loss 8,6914 и WER 0,9317. Высокий WER указывает на слабое качество распознавания в этой оценке, поэтому перед применением модель следует проверить на целевых аудиоданных. Датасет обучения не раскрыт. Лицензия — Apache-2.0.

Сценарии применения

  • автоматическая расшифровка русскоязычных аудиозаписей
  • получение текстовой расшифровки речевых сообщений
  • распознавание русской речи в пользовательских приложениях

Ограничения

В оценке README указаны WER 0,9317 и loss 8,6914, что свидетельствует о слабом качестве распознавания в этом тесте. Датасет обучения не раскрыт.

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

my_awesome_asr_mind_model

This model is a fine-tuned version of jonatasgrosman/wav2vec2-large-xlsr-53-russian on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 8.6914
  • Wer: 0.9317

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: 1e-05
  • 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: 3
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
16.43260.343610026.20731.0
16.11320.687320013.63081.0
3.32251.030930010.88921.0
3.64261.37464006.13440.9985
2.69961.71825004.00740.9930
2.28412.06196004.98020.9742
2.20912.40557007.22610.9517
2.0892.74918008.69140.9317

Framework versions

  • Transformers 4.44.2
  • Pytorch 2.4.1+cu121
  • Tokenizers 0.19.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
8901e4f

0 моделей