/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
13 сен 2022

Ссылки

Hugging Face

wav2vec2-base-stac-local

weirdguitarist
Распознавание речиАудио → текст3 профессии

Дообученная на базе XLS-R модель Wav2Vec2 для преобразования речи из аудио в текст.

7скачиваний за 30 дней0лайковвеса обновлены20 сен 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

weirdguitarist/wav2vec2-base-stac-local — модель распознавания речи на базе архитектуры Wav2Vec2, дообученная автором на основе facebook/wav2vec2-xls-r-300m. Она предназначена для преобразования аудио в текст. В репозитории указаны результаты оценки: WER 0,7828 и CER 0,3202; эти значения отражают высокую ошибку распознавания на использованном наборе оценки. Модель содержит около 402,7 млн параметров и распространяется в формате PyTorch.

Карточка не описывает языки, данные обучения или целевую область применения, поэтому их нельзя надёжно определить. Лицензия — Apache-2.0.

Сценарии применения

  • распознавание речи из аудиозаписей
  • получение текстовой расшифровки аудиофрагментов
  • экспериментальная оценка качества ASR-моделей

Ограничения

На указанном наборе оценки WER составляет 0,7828, а CER — 0,3202, что указывает на низкое качество распознавания в этой оценке. Языки и характеристики обучающих данных в карточке не описаны.

Для каких профессий подходит3

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.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-stac-local

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 1.9746
  • Wer: 0.7828
  • Cer: 0.3202

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: 0.0001
  • train_batch_size: 1
  • eval_batch_size: 1
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 2
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 30

Training results

Training LossEpochStepValidation LossWerCer
2.06031.023692.12820.95170.5485
1.61552.047381.61960.90600.4565
1.34623.071071.43310.83790.3983
1.18194.094761.38720.82330.3717
1.01895.0118451.40660.83280.3660
0.90266.0142141.35020.81980.3508
0.7777.0165831.30160.79220.3433
0.71098.0189521.26620.83020.3510
0.67669.0213211.43210.81030.3368
0.607810.0236901.35920.78710.3360
0.595811.0260591.43890.78190.3397
0.509412.0284281.33910.80170.3239
0.456713.0307971.47180.80260.3347
0.444814.0331661.74500.80430.3424
0.397615.0355351.45810.78880.3283
0.344916.0379041.56880.80780.3397
0.304617.0402731.86300.80600.3448
0.298318.0426421.84000.81900.3425
0.272819.0450111.67260.80340.3280
0.257920.0473801.66610.81380.3249
0.216921.0497491.73890.81380.3277
0.249822.0521181.72050.79480.3207
0.183123.0544871.86410.81030.3229
0.192724.0568561.87240.77840.3251
0.164925.0592251.91870.79740.3277
0.159426.0615941.90220.78280.3220
0.133827.0639631.93030.78620.3212
0.144128.0663321.95280.78450.3207
0.12929.0687011.96760.78190.3212
0.116930.0710701.97460.78280.3202

Framework versions

  • Transformers 4.17.0
  • Pytorch 1.8.1+cu102
  • Datasets 1.18.3
  • Tokenizers 0.12.1

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
2f00081

0 моделей

    Создать бенчмарк