/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
7 июн 2022

wav2vec2-large-xlsr-53-th-cv8-deepcut

Распознавание речиАудио → текст5 профессий

Дообученная wav2vec 2.0 модель распознаёт тайскую речь и преобразует аудио в текст.

22скачиваний за 30 дней5лайковвеса обновлены10 авг 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.

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

Модель wannaphong/wav2vec2-large-xlsr-53-th-cv8-deepcut — дообученная версия wav2vec2-large-xlsr-53 для распознавания тайской речи. Её разработал Wannaphong на основе Common Voice V8 с добавлением данных Common Voice V7; для целевого текста использована предварительная токенизация deepcut. Архитектура — Wav2Vec2ForCTC, около 402,7 млн параметров, веса доступны в формате PyTorch.

Модель предназначена для преобразования тайской аудиозаписи в текст. В тестах на наборах Common Voice V7 и V8 она показала меньшие WER и CER, чем приведённые в README базовые сравнения; результат зависит от способа токенизации текста. Лицензия — Apache-2.0. Ограничения: оценка приведена только на тестовых наборах Common Voice, поэтому качество на других источниках аудио не установлено.

Сценарии применения

  • транскрибация тайской речи из аудиозаписей
  • распознавание тайской речи для субтитров
  • подготовка текстовых расшифровок тайских подкастов и интервью

Ограничения

Оценка приведена на тестовых наборах Common Voice V7 и V8; качество на других источниках аудио в карточке не описано.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Thai Wav2Vec2 with CommonVoice V8 (deepcut tokenizer) + language model

This model trained with CommonVoice V8 dataset by increase data from CommonVoice V7 dataset that It was use in airesearch/wav2vec2-large-xlsr-53-th. It was finetune wav2vec2-large-xlsr-53.

Model description

Datasets

It is increase new data from The Common Voice V8 dataset to Common Voice V7 dataset or remove all data in Common Voice V7 dataset before split Common Voice V8 then add CommonVoice V7 dataset back to dataset.

It use ekapolc/Thai_commonvoice_split script for split Common Voice dataset.

Models

This model was finetune wav2vec2-large-xlsr-53 model with Thai Common Voice V8 dataset and It use pre-tokenize with deepcut.tokenize.

Evaluation

Test with CommonVoice V8 Testset

ModelWER by newmm (%)WER by deepcut (%)CER
AIResearch.in.th and PyThaiNLP17.41450311.9230893.854153
wav2vec2 with deepcut16.35452111.4244763.684060
wav2vec2 with newmm16.69829911.4369413.737407
wav2vec2 with deepcut + language model12.6302609.6138863.292073
wav2vec2 with newmm + language model12.5837069.5983053.276610

Test with CommonVoice V7 Testset (same test by CV V7)

ModelWER by newmm (%)WER by deepcut (%)CER
AIResearch.in.th and PyThaiNLP13.9366989.3474622.804787
wav2vec2 with deepcut12.7763818.7730062.628882
wav2vec2 with newmm12.7505968.6726162.623341
wav2vec2 with deepcut + language model9.9400507.4233132.344940
wav2vec2 with newmm + language model9.5597247.3396542.277071

This is use same testset from https://huggingface.co/airesearch/wav2vec2-large-xlsr-53-th.

Links:

BibTeX entry and citation info

@misc{phatthiyaphaibun2022thai,
      title={Thai Wav2Vec2.0 with CommonVoice V8}, 
      author={Wannaphong Phatthiyaphaibun and Chompakorn Chaksangchaichot and Peerat Limkonchotiwat and Ekapol Chuangsuwanich and Sarana Nutanong},
      year={2022},
      eprint={2208.04799},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

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
2581aff

0 моделей