/ Модель

Характеристики

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

wav2vec2-large-xlsr-53-th-cv8-newmm

Распознавание речиАудио → текст5 профессий

Модель Wav2Vec2 для транскрибирования тайской речи, дообученная на данных Common Voice с токенизацией newmm.

4 029скачиваний за 30 дней5лайковвеса обновлены1 фев 2026

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

Это модель автоматического распознавания речи на тайском языке, разработанная Wannaphong и обученная дообучением wav2vec2-large-xlsr-53 на данных Common Voice V8 с добавлением данных Common Voice V7. Модель использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров; распознанные слова предварительно токенизировались по алгоритму newmm из PyThaiNLP.

Модель предназначена для преобразования тайской речи в текст, например для транскрибирования записей и оценки систем распознавания речи. В тестах на наборах Common Voice V8 и V7 автор приводит показатели WER и CER; результаты зависят от тестового набора и способа токенизации текста. Доступны веса PyTorch и safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибирование тайской речи из аудиозаписей
  • распознавание речи на тайском языке в проектах Common Voice
  • оценка качества систем тайского распознавания речи

Ограничения

Оценки в карточке получены на тестовых наборах Common Voice V7 и V8, поэтому качество на других данных может отличаться. Результаты WER зависят от используемого способа токенизации тайского текста.

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 (newmm 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 pythainlp.tokenize.word_tokenize.

Training

I used many code from vistec-AI/wav2vec2-large-xlsr-53-th and I fixed bug training code in vistec-AI/wav2vec2-large-xlsr-53-th#2

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
18381b4

0 моделей