tags:
- generated_from_trainer
model-index:
- name: t5-russian-spell
results: []
t5-russian-spell
модель для исправление текста из распознаного аудио. модлеь для распознования аудио https://huggingface.co/UrukHan/wav2vec2-russian и его результаты можно закидывать в эту модель. тестил на видео случайном с ютюба
Пример: ывсем привет выныканалетоп армии и это двадцать пятый день спец операций на украине ет самый главной новости российские военные ракетами кинжалы калибр уничтожили крупную военную топливную базу украины ракетным ударом по населенному пункту поджетамиром уничтжены более стаукраинских военных
Вывод модели: Всем привет! Вы на канале от армии. И это 25 день спецопераций на Украине. Есть самые главные новости. Российские военные ракетами «Кинжалы» и «Кинжалы» калибра уничтожили крупную военную топливную базу Украины. Ракетным ударом по населенному пункту Поджандаром уничтожены более ста украинских военных.
This model is a fine-tuned version of UrukHan/t5-russian-spell on the None dataset. It achieves the following results on the evaluation set:
- eval_loss: 0.3178
- eval_rouge1: 48.5901
- eval_rouge2: 26.2479
- eval_rougeL: 48.645
- eval_rougeLsum: 48.5704
- eval_gen_len: 61.0637
- eval_runtime: 438.689
- eval_samples_per_second: 3.077
- eval_steps_per_second: 0.385
- epoch: 0.41
- step: 65000
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: 8
- eval_batch_size: 8
- seed: 42
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- num_epochs: 1
- mixed_precision_training: Native AMP
Framework versions
- Transformers 4.17.0
- Pytorch 1.10.0+cu111
- Datasets 2.0.0
- Tokenizers 0.11.6