/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
3,5 млрд
Размер весов
5,6 ГБ
Лицензия
MIT
Архитектура
phi · dense
Опубликована
12 мар 2024

phi-2-audio-super

Генерация текстаТекст → текст3 профессии

Экспериментальная модель Phi-2, дообученная для распознавания английской речи и преобразования её в текст.

76скачиваний за 30 дней2лайкавеса обновлены31 мар 2024

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 «Текст» — 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

Thytu/phi-2-audio-super — экспериментальная разговорная модель семейства Phi-2, дообученная на базе abacaj/phi-2-super для автоматического распознавания речи на датасете LibriSpeech ASR. В карточке указана базовая модель microsoft/phi-2; архитектура — плотная авторегрессионная языковая модель PhiForCausalLM с 3,5 млрд параметров и контекстом 2048 токенов. Репозиторий содержит веса в формате safetensors, а метаданные отмечают поддержку чата и английский язык.

Модель предназначена для экспериментов с преобразованием речи в текст на английском языке. Карточка помечает проект как находящийся в разработке, а инструкция по запуску ASR оставлена как TODO, поэтому готовность и качество распознавания не подтверждены. Лицензия — MIT.

Сценарии применения

  • распознавание английской речи из аудиозаписей
  • транскрибация аудиокниг и чтения вслух
  • эксперименты с ASR на LibriSpeech
  • создание прототипа распознавания речи на базе Phi-2

Ограничения

Проект обозначен как находящийся в разработке, а инструкция по запуску распознавания речи не завершена. Карточка не подтверждает качество модели и не описывает способ подачи аудио, поэтому практическое применение требует проверки.

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

Disclaimer

THIS PROJECT IS STILL IN WIP

Phi-2-audio-super

Base Model: microsoft/phi-2

Fine-tuned version of abacaj/phi-2-super for ASR on librispeech_asr.

How to run inference for text only:

import transformers
import torch

if __name__ == "__main__":
  model_name = "Thytu/phi-2-audio-super"
  tokenizer = transformers.AutoTokenizer.from_pretrained(model_name)
  
  model = (
      transformers.AutoModelForCausalLM.from_pretrained(
          model_name,
      )
      .to("cuda:0")
      .eval()
  )

  # Exactly like for phi-2-super :D
  messages = [
      {"role": "user", "content": "Hello, who are you?"}
  ]
  inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to(model.device)
  input_ids_cutoff = inputs.size(dim=1)
  
  with torch.no_grad():
      generated_ids = model.generate(
          input_ids=inputs,
          use_cache=True,
          max_new_tokens=512,
          temperature=0.2,
          top_p=0.95,
          do_sample=True,
          eos_token_id=tokenizer.eos_token_id,
          pad_token_id=tokenizer.pad_token_id,
      )
  
  completion = tokenizer.decode(
      generated_ids[0][input_ids_cutoff:],
      skip_special_tokens=True,
  )
  
  print(completion)

How to run inference for ASR:

TODO

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
PhiForCausalLM
Ревизия весов
a150852

0 моделей