sw_openslr25_asr_transformer
речь суахили в текст
1 мин чтенияобновлено
Это ESPnet2 ASR-модель для автоматического распознавания суахили (sw), обученная Guillaume Atencia по рецепту sw_openslr25. В основе — Transformer: энкодер на 6 блоков, декодер на 3 блока, BPE-токенизатор на 300 единиц и CTC с весом 0.3. В карточке есть конфиг обучения и результаты на OpenSLR25.
Ключевые особенности
- Поддерживается только суахили — код языка
sw. - Архитектура ESPnet2: Transformer-энкодер на 6 блоков и декодер на 3 блока.
- BPE-токенизатор на 300 единиц, обученный в режиме unigram.
- На тесте
sw_test: WER 31.5%, CER 10.8%. - Запуск через готовый рецепт
sw_openslr25и скачивание чекпойнта.
Пример запуска
cd espnet
git checkout cc292ab40f5f1f288276a99bdcbefc207a56592d
pip install -e .
cd egs2/sw_openslr25/asr1
./run.sh --skip_data_prep false --skip_train true --download_model Bensolobo/sw_openslr25_asr_transformer
Подробнее
Наsw_test: WER 31.5%, CER 10.8%, TER 21.5%.На
sw_dev: WER 27.7%, CER 9.8%.Обучение: 1 GPU, до 80 эпох, Adam и warmup 2500 шагов; данные о VRAM и числе параметров в карточке отсутствуют.
Ограничения: только суахили; для запуска нужны ESPnet и указанный commit.










Комментарии