/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
8 апр 2023

wav2vec2-base-finetuned-speech_commands-v0.02

Классификация текстаТекст → label3 профессии

Дообученная Wav2Vec2-модель для классификации коротких речевых команд и аудиозаписей из набора Speech Commands.

244скачиваний за 30 дней0лайковвеса обновлены9 апр 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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 0xb1/wav2vec2-base-finetuned-speech_commands-v0.02 — дообученная на наборе Speech Commands модель facebook/wav2vec2-base для классификации аудио. Она использует архитектуру Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров. На оценочной выборке автор сообщает точность 0,9759 и значение функции потерь 0,1170.

Модель предназначена для распознавания классов коротких речевых аудиозаписей из задачи Speech Commands. Доступны веса PyTorch; модель опубликована по лицензии Apache-2.0. Карточка не уточняет перечень классов и языки аудиозаписей, поэтому их нельзя определить по имеющимся сведениям.

Сценарии применения

  • Классификация коротких голосовых команд
  • Распознавание команд в аудиозаписях для голосового управления
  • Эксперименты с классификацией речи на базе Speech Commands

Ограничения

Карточка не раскрывает классы меток и условия оценки, поэтому заявленную точность 0,9759 нельзя напрямую переносить на другие наборы данных или сценарии.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-finetuned-speech_commands-v0.02

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

  • Loss: 0.1170
  • Accuracy: 0.9759

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: 3e-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 5

Training results

Training LossEpochStepValidation LossAccuracy
0.99631.06630.73160.9612
0.49652.013260.26560.9672
0.43063.019890.16300.9720
0.29014.026520.12830.9753
0.29635.033150.11700.9759

Framework versions

  • Transformers 4.27.4
  • Pytorch 2.0.0+cu118
  • Datasets 2.11.0
  • Tokenizers 0.13.3

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры
Wav2Vec2ForSequenceClassification
Ревизия весов
6b89fb1

0 моделей