/ Модель

Характеристики

Параметры
113 млн
Лицензия
MIT
Архитектура
hubert · dense
Опубликована
2 июн 2022

chinese-hubert-base

ЭмбеддингиТекст → embedding3 профессии

Предобученная китайская HuBERT-модель извлекает признаки речи и служит основой для настройки систем распознавания речи.

5 411скачиваний за 30 дней45лайковвеса обновлены24 июн 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 «Эмбеддинги» — 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

Tencent GameMate Chinese HuBERT Base — предобученная акустическая модель на архитектуре HuBERT, разработанная Tencent GameMate. Модель содержит 113,3 млн параметров и обучена на 10 тысячах часов аудиоданных из подмножества WenetSpeech L. Она предназначена для извлечения признаков из китайской речи и может служить акустической основой для последующего обучения систем распознавания речи.

Модель принимает аудио и выдаёт речевые представления. Веса опубликованы в формате PyTorch; для работы автор указывает Transformers 4.16.2. Токенизатора в репозитории нет: для распознавания речи потребуется создать токенизатор и дообучить модель на размеченных текстовых данных. Лицензия — MIT.

Сценарии применения

  • извлечение признаков из китайской речи
  • подготовка акустических представлений для ASR
  • дообучение системы распознавания китайской речи на размеченных данных

Ограничения

В репозитории нет токенизатора, поэтому модель нельзя сразу использовать для распознавания речи: необходимы токенизатор и дообучение на размеченных текстовых данных.

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

Pretrained on 10k hours WenetSpeech L subset. More details in TencentGameMate/chinese_speech_pretrain

This model does not have a tokenizer as it was pretrained on audio alone. In order to use this model speech recognition, a tokenizer should be created and the model should be fine-tuned on labeled text data.

python package: transformers==4.16.2



import torch
import torch.nn.functional as F
import soundfile as sf

from transformers import (
    Wav2Vec2FeatureExtractor,
    HubertModel,
)


model_path=""
wav_path=""

feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained(model_path)
model = HubertModel.from_pretrained(model_path)

# for pretrain: Wav2Vec2ForPreTraining
# model = Wav2Vec2ForPreTraining.from_pretrained(model_path)

model = model.to(device)
model = model.half()
model.eval()

wav, sr = sf.read(wav_path)
input_values = feature_extractor(wav, return_tensors="pt").input_values
input_values = input_values.half()
input_values = input_values.to(device)

with torch.no_grad():
    outputs = model(input_values)
    last_hidden_state = outputs.last_hidden_state


Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
HubertModel
Ревизия весов
fce0375

0 моделей