/ Модель
Каталог

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
5 авг 2022

Ссылки

Hugging Face

Spoof_detection

202015004
Распознавание речиАудио → текст6 профессий

Дообученная на базе wav2vec2 модель для распознавания речи и преобразования аудио в текст.

24скачиваний за 30 дней1лайквеса обновлены8 авг 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

Spoofdetection — модель распознавания речи на базе wav2vec2, дообученная автором репозитория 202015004 на facebook/wav2vec2-base. Она содержит 113,3 млн параметров и использует архитектуру Wav2Vec2ForCTC; доступные веса представлены в формате PyTorch. Модель предназначена для преобразования аудио в текст, однако README не раскрывает обучающий датасет и конкретный сценарий обнаружения спуфинга, несмотря на название репозитория.

В README приведены результаты оценки: loss 1,7448 и WER 0,109. Модель распространяется по лицензии Apache-2.0. Данных о поддерживаемых языках и дополнительных ограничениях в карточке нет.

Сценарии применения

  • транскрибация речи из аудиозаписей
  • преобразование голосовой записи в текст
  • оценка качества распознавания речи по WER

Ограничения

Обучающий датасет и поддерживаемые языки не описаны; название указывает на обнаружение спуфинга, но README не подтверждает такую функцию. Приведённые метрики относятся к оценочному набору, состав которого не указан.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Spoof_detection

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: 1.7448
  • Wer: 0.1090

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: 4
  • 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: 1000
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
95.90460.66500992.29930.6180
14.03221.3310001.88730.1090
1.86591.9915001.78270.1090
1.8512.6520001.84890.1090
1.82183.3225001.89430.1090
1.81083.9830001.92500.1090
1.82284.6435001.75550.1090
1.8325.3140001.78370.1090
1.84035.9745001.66440.1090
1.82926.6350001.69060.1090
1.82237.2955001.69660.1090
1.80077.9660001.69510.1090
1.79868.6265001.74360.1090
1.79339.2870001.81690.1090
1.78619.9575001.72090.1090
1.784310.6180001.93790.1090
1.774311.2785001.98340.1090
1.772111.9490001.92790.1090
1.771912.695001.81870.1090
1.761613.26100001.78040.1090
1.763813.93105001.78840.1090
1.765114.59110001.74760.1090
1.760315.25115001.75700.1090
1.754315.92120001.73560.1090
1.755616.58125001.71400.1090
1.75117.24130001.74530.1090
1.7517.9135001.76480.1090
1.749218.57140001.73380.1090
1.748419.23145001.70930.1090
1.746119.89150001.73930.1090
1.742920.56155001.76050.1090
1.744621.22160001.77820.1090
1.743521.88165001.67490.1090
1.739222.55170001.74680.1090
1.74123.21175001.74060.1090
1.739423.87180001.77870.1090
1.73924.54185001.79690.1090
1.734125.2190001.74900.1090
1.737125.86195001.77830.1090
1.73526.53200001.75400.1090
1.735327.19205001.77350.1090
1.733127.85210001.71880.1090
1.730828.51215001.73490.1090
1.734129.18220001.75310.1090
1.730529.84225001.74480.1090

Framework versions

  • Transformers 4.17.0
  • Pytorch 1.10.0+cu102
  • Datasets 1.16.1
  • 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
f78b689

0 моделей

    Создать бенчмарк