/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
2 мар 2022

Ссылки

Hugging Face

librispeech-100h-supervised

Kuray107
Распознавание речиАудио → текст7 профессий

Модель wav2vec2 для преобразования речи в текст, дообученная на основе facebook/wav2vec2-large-lv60.

15скачиваний за 30 дней0лайковвеса обновлены6 мар 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

Kuray107/librispeech-100h-supervised — модель распознавания речи, дообученная на основе facebook/wav2vec2-large-lv60. Она использует архитектуру wav2vec2 с выходной головой CTC и содержит 402,7 млн параметров. Модель предназначена для преобразования аудио в текст; в карточке указано значение WER 0,0345 на оценочном наборе, но подробности о наборе и методике оценки не приведены.

Модель принимает аудио и выдаёт текст. Идентификатор и описание указывают на связь с LibriSpeech, однако README не раскрывает языки, конкретные сценарии применения и ограничения качества. Веса доступны в формате PyTorch по лицензии Apache 2.0.

Сценарии применения

  • транскрибирование аудиозаписей речи
  • распознавание речи в аудиокнигах
  • автоматическое получение текстовых расшифровок

Ограничения

README не сообщает подробностей об обучающих и оценочных данных, поэтому значение WER 0,0345 нельзя интерпретировать без контекста. Другие известные ограничения модели не описаны.

Для каких профессий подходит7

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.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

librispeech-100h-supervised

This model is a fine-tuned version of facebook/wav2vec2-large-lv60 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0955
  • Wer: 0.0345

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: 24
  • 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: 15
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
4.82770.425002.90711.0
2.02610.8410000.30600.2496
0.21811.2615000.11720.0873
0.12551.6820000.08940.0637
0.09712.125000.08210.0560
0.0782.5230000.07510.0500
0.07062.9435000.07210.0456
0.06093.3640000.07550.0464
0.05723.7845000.07050.0431
0.05284.250000.07150.0423
0.04814.6255000.06910.0403
0.04715.0460000.07430.0401
0.04125.4665000.07570.0399
0.04165.8870000.06880.0378
0.03916.375000.07040.0383
0.03676.7280000.07420.0387
0.03497.1485000.07320.0388
0.0337.5690000.07190.0374
0.03277.9895000.07500.0369
0.02928.4100000.07340.0368
0.03038.82105000.07330.0365
0.02839.24110000.07660.0357
0.02699.66115000.07610.0350
0.026810.08120000.08020.0359
0.024510.42125000.07580.0354
0.02310.84130000.07750.0349
0.018611.26135000.08170.0355
0.017611.68140000.08530.0354
0.016312.1145000.08800.0347
0.015612.52150000.08640.0357
0.014112.94155000.08970.0355
0.013413.36160000.09150.0349
0.01313.78165000.09280.0350
0.009713.42170000.09550.0345

Framework versions

  • Transformers 4.14.1
  • Pytorch 1.10.2
  • Datasets 1.18.2
  • Tokenizers 0.10.3

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
a199f9c

0 моделей

    Создать бенчмарк