/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base
Опубликована
26 июн 2024

240626-wav2vec2-ASR_Global

Распознавание речиАудио → текст

Дообученная Wav2Vec2-модель для преобразования аудиоречи в текст.

7скачиваний за 30 дней0лайковвеса обновлены26 июн 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

Модель zainulhakim/240626-wav2vec2-ASR_Global — дообученная версия facebook/wav2vec2-base для автоматического распознавания речи. Она принимает аудио и выдаёт распознанный текст; архитектура Wav2Vec2ForCTC содержит 113,3 млн параметров. В README приведён результат оценки на тестовом наборе: WER 0,0966 и loss 0,4971.

Модель подходит для преобразования речевых записей в текст. Название указывает на глобальную направленность, но README не сообщает, какие языки охватывает модель, на каких данных она обучалась и для каких условий записи проверялась. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей
  • распознавание речи в голосовых сообщениях
  • создание текстовых расшифровок речевых файлов

Ограничения

В README не уточнены языки, состав обучающих данных и условия оценки; приведённый WER не позволяет судить о качестве на других данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

240626-wav2vec2-ASR_Global

This model is a fine-tuned version of facebook/wav2vec2-base on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4971
  • Wer: 0.0966

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: 5e-05
  • train_batch_size: 5
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 20
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
No log1.40851000.54350.1003
No log2.81692000.52300.1092
No log4.22543000.53790.1105
No log5.63384000.59060.1244
0.11337.04235000.54240.1148
0.11338.45076000.53110.1318
0.11339.85927000.52630.12
0.113311.26768000.52590.1123
0.113312.67619000.50310.1030
0.12814.084510000.54820.1103
0.12815.493011000.52250.1038
0.12816.901412000.48230.0980
0.12818.309913000.49710.0966
0.12819.718314000.52190.0982

Framework versions

  • Transformers 4.41.2
  • Pytorch 2.3.1+cu121
  • Datasets 2.19.2
  • Tokenizers 0.19.1

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
5257e33

0 моделей