/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base-960h
Опубликована
9 окт 2023

wav2vec2-base-960h-demo-google-colab

Распознавание речиАудио → текст

Дообученная Wav2Vec2-модель для транскрибирования английской речи из аудио.

8скачиваний за 30 дней0лайковвеса обновлены9 окт 2023

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.

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

St4n/wav2vec2-base-960h-demo-google-colab — дообученная модель распознавания речи на архитектуре Wav2Vec2ForCTC, основанная на facebook/wav2vec2-base-960h. Она предназначена для преобразования английской речи из аудио в текст; базовая модель рассчитана на аудио с частотой 16 кГц. Размер модели — 113,3 млн параметров. В README приведены результаты оценки: Loss 0,1495 и WER 0,1503.

Модель распространяется в формате PyTorch по лицензии Apache-2.0. Данные для дообучения и подробные ограничения в карточке не описаны, поэтому качество на других наборах аудио и сценариях этими результатами не подтверждается.

Сценарии применения

  • транскрибирование английских аудиозаписей
  • распознавание английской речи в диктовке
  • получение текста из записей разговоров

Ограничения

Карточка не содержит сведений о данных дообучения; указанное значение WER относится только к приведённому оценочному набору, состав которого не описан.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-960h-demo-google-colab

This model is a fine-tuned version of facebook/wav2vec2-base-960h on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1495
  • Wer: 0.1503

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: 16
  • 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: 5

Training results

Training LossEpochStepValidation LossWer
6.77080.422003.31940.9999
3.03540.844003.19330.9999
2.7961.266001.40820.7669
1.09121.688000.82310.3675
0.65682.110000.39440.2863
0.46042.5212000.33030.2421
0.39322.9414000.27300.2103
0.33563.3516000.21890.1789
0.31173.7718000.21890.1688
0.23324.1920000.18020.1563
0.22834.6122000.14950.1503

Framework versions

  • Transformers 4.34.0
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.5
  • Tokenizers 0.14.1

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
9b1d345

0 моделей