/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2-bert · dense
Базовая модель
w2v-bert-2.0
Опубликована
9 мая 2024

Ссылки

Hugging Face

W2V2-BERT-Malayalam

vrclc
Распознавание речиАудио → текст6 профессий

Дообученная модель Wav2Vec2-BERT для распознавания и транскрибирования речи на малаяламском языке.

57скачиваний за 30 дней6лайковвеса обновлены31 июл 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.

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

W2V2-BERT-Malayalam — модель распознавания речи на малаяламском языке, разработанная автором репозитория vrclc путём дообучения facebook/w2v-bert-2.0. Это плотная архитектура Wav2Vec2-BERT с примерно 402,7 млн параметров, настроенная для automatic speech recognition на наборах IMaSC, MSC, OpenSLR Malayalam Train split, Festvox Malayalam и Common Voice 16.1. Модель принимает аудио и выдаёт текстовую транскрипцию; в карточке указаны значение WER 0,1299 и loss 0,1722 на оценочной выборке.

Модель подходит для транскрибирования записей и аудиоматериалов на малаяламском языке. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. Оценка качества относится к указанной в карточке оценочной выборке; других условий тестирования README не приводит.

Сценарии применения

  • транскрибирование записей речи на малаяламском языке
  • распознавание речи из аудиофайлов на малаяламском языке
  • создание текстовых расшифровок малаяламских аудиоматериалов

Ограничения

В README приведены метрики только для оценочной выборки без описания протокола тестирования; качество на других источниках аудио может отличаться.

Для каких профессий подходит6

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 953моделиI.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 710моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

W2V2-BERT-Malayalam

This model is a fine-tuned version of facebook/w2v-bert-2.0 on an these datasets: IMASC, MSC, OpenSLR Malayalam Train split, Festvox Malayalam, common_voice_16_1 It achieves the following results on the evaluation set:

  • Loss: 0.1722
  • Wer: 0.1299

Training procedure

Trained on NVIDIA A100 GPU

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 10
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
1.14160.466000.33930.4616
0.17340.9212000.24140.3493
0.12541.3818000.22050.2963
0.10971.8424000.21570.3133
0.09232.330000.18540.2473
0.07922.7636000.19390.2471
0.06963.2242000.17200.2282
0.05893.6848000.17680.2013
0.05524.1454000.16350.1864
0.04374.660000.15010.1826
0.04085.0666000.15000.1645
0.03145.5272000.15590.1655
0.03175.9878000.14480.1553
0.0226.4484000.15920.1590
0.02186.990000.14310.1458
0.01547.3696000.15140.1366
0.01417.82102000.15400.1383
0.01138.28108000.15580.1391
0.00858.74114000.16120.1356
0.00729.2120000.16970.1289
0.00469.66126000.17220.1299

Framework versions

  • Transformers 4.39.3
  • Pytorch 2.1.1+cu121
  • Datasets 2.16.1
  • Tokenizers 0.15.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2BertForCTC
Ревизия весов
6aff1fe

0 моделей

    Создать бенчмарк