/ Модель

Характеристики

Контекст
514 токенов
Параметры
124 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Опубликована
26 янв 2023

NoRefER

ЭмбеддингиТекст → embedding3 профессии

NoRefER сравнивает качество текстовых гипотез распознавания речи без эталонной расшифровки и помогает выбирать лучшие варианты.

343скачиваний за 30 дней8лайковвеса обновлены7 дек 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 «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

NoRefER — модель aiXplain AI Lab для оценки качества распознавания речи без эталонной расшифровки. Она основана на mMiniLMv2, дообученной контрастным обучением, и использует сиамскую архитектуру с общими весами для попарного сравнения текстовых гипотез ASR. Модель применяет известный порядок качества гипотез, полученных при разных уровнях сжатия одной системы распознавания, как сигнал для обучения.

NoRefER предназначена для сравнения результатов разных ASR-систем на аудиоданных без эталонных текстов, выбора лучшей гипотезы из нескольких вариантов, приоритизации примеров для проверки человеком или постредактирования, а также A/B-тестирования версий распознавания. В описанных экспериментах точность попарного ранжирования на валидации составила 77%; на слепом тесте метрика хорошо коррелировала с рангами по WER и помогала отбирать гипотезы для ансамбля. Модель принимает текстовые гипотезы и выдаёт признаки для их сравнения, а не аудио-транскрипцию. Поддерживаются английский, французский, испанский, португальский, немецкий и другие языки; контекст составляет 514 токенов, размер — 124,3 млн параметров. Лицензия — MIT.

Сценарии применения

  • сравнение расшифровок разных ASR-моделей без эталонного текста
  • выбор лучшей гипотезы из нескольких результатов распознавания речи
  • отбор ASR-гипотез для проверки человеком или постредактирования
  • A/B-тестирование версий системы распознавания речи
  • ранжирование примеров для оценки качества распознавания в рабочем потоке

Ограничения

Модель оценивает качество по текстовым гипотезам и не заменяет распознавание аудио; описанная точность попарного ранжирования на валидации составляет 77%. В README заявлена поддержка и других языков, но конкретный полный перечень не приведён.

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

Model Card for NoRefER

Referenceless Error Metric for Automatic Speech Recognition
via Contrastive Fine-Tuning of mMiniLMv2 without References

Model Details

How to use

import re
from transformers import AutoTokenizer, AutoModel

def preprocess(text: str):
  text = text.lower()
  text = re.sub(r'[\(\[].*?[\)\]]', '', text)
  text = re.sub(r'[^\w\s]', '', text)
  return text

tokenizer = AutoTokenizer.from_pretrained("aixplain/NoRefER")
model = AutoModel.from_pretrained("aixplain/NoRefER", trust_remote_code=True)

# preprocess
texts = [
    "In Italy, pizza served in formal settings, such as at a restaurant, is presented unsliced.",
    "In Italy, pizzas serves in formal settings, such as at an restaurant, is presented unslicing."
]
preprocessed_texts = [preprocess(text) for text in texts]
# tokenize
tokens = tokenizer(preprocessed_texts, padding=True, return_tensors="pt")
# score
scores = model.score(**tokens)

Model Description

This work presents a novel multi-language referenceless quality metric for automatic speech recognition (ASR). The metric is based on a language model (LM) trained with contrastive-learning and without references indicating the quality. Instead, the known order of quality in-between increasing compression levels of the same ASR model is used for self-supervision. All unique pair combinations are extracted from the outputs of ASR models in multiple compression levels to compile a dataset for model training and validation. The LM is part of a siamese network architecture (with shared weights) for giving pair-wise ranking decisions considering the ASR output quality. The referenceless metric achieves 77% validation accuracy in this pair-wise ranking task and can generalize for quality comparisons in-between different ASR models. When experimented on a blind test dataset consisting of outputs of top commercial ASR engines, it has been observed that the referenceless metric has a high correlation with word-error-rate (WER) ranks of them across samples, and can outperform the best engine's WER by +7% via selecting among alternative hypotheses. The referenceless metric is compared against the perplexity metric from various state-of-art pre-trained LM(s) and obtained superior performance in all experiments. The referenceless metric allows comparing the performance of different ASR models on a speech dataset that lacks ground-truth references. It also enables obtaining an ensemble of ASR models that can outperform any individual model in the ensemble. Finally, it can be used to prioritize hypotheses for referencing (via post-editing) or human-evaluation processes within ASR model improvement lifecycle in production, and for A/B testing different versions of an ASR model (such as previous and current) on a referenceless production data stream.

  • Developed by: aiXplain AI Lab
  • Language(s) (NLP): English, French, Spanish, Portuguese, German, and others.
  • License: MIT License
  • Finetuned from model [optional]: nreimers/mMiniLMv2-L12-H384-distilled-from-XLMR-Large

Publications

[ICASSP Paper]

@inproceedings{yuksel23_icassp,
  author       = {Kamer Ali Yuksel and Thiago Castro Ferreira and Ahmet Gunduz and Mohamed Al-Badrashiny and Golara Javadi},
  title        = {A Reference-Less Quality Metric for Automatic Speech Recognition via Contrastive-Learning of a Multi-Language Model with Self-Supervision},
  booktitle    = {IEEE International Conference on Acoustics, Speech, and Signal Processing, ICASSP 2023, Rhodes Island, Greece, June 4-10, 2023},
  pages        = {1--5},
  publisher    = {IEEE},
  year         = {2023},
  url          = {https://doi.org/10.1109/ICASSPW59220.2023.10193003},
  doi          = {10.1109/ICASSPW59220.2023.10193003}
}

[INTERSPEECH Paper]

@inproceedings{yuksel23_interspeech,
  author={Kamer Ali Yuksel and Thiago Castro Ferreira and Golara Javadi and Mohamed Al-Badrashiny and Ahmet Gunduz},
  title={NoRefER: a Referenceless Quality Metric for Automatic Speech Recognition via Semi-Supervised Language Model Fine-Tuning with Contrastive Learning},
  year=2023,
  booktitle={Proc. INTERSPEECH 2023},
  pages={466--470},
  doi={10.21437/Interspeech.2023-643}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
NoRefER
Ревизия весов
6f93376

0 моделей