/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense

wav2vec2-base-ft-keyword-spotting

Классификация текстаТекст → label3 профессии

Модель Wav2Vec2 для распознавания ключевых слов в аудиозаписях, дообученная на наборе SUPERB.

62скачиваний за 30 дней4лайкавеса обновлены27 окт 2021

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

anton-l/wav2vec2-base-ft-keyword-spotting — модель классификации аудио на архитектуре Wav2Vec2, дообученная на facebook/wav2vec2-base с использованием набора данных SUPERB. Она предназначена для распознавания ключевых слов в аудиозаписях. В README указана точность 0,9826 и значение loss 0,0824 на наборе оценки; модель содержит 113,3 млн параметров и распространяется в формате PyTorch.

Модель принимает аудио и выдаёт метки классов. В карточке нет описания поддерживаемых языков, состава классов, условий записи или подробностей обучения, поэтому применимость к конкретным языкам и акустическим условиям не подтверждена. Лицензия — Apache-2.0.

Сценарии применения

  • распознавание ключевых слов в аудиозаписях
  • классификация аудио по наличию целевых слов
  • создание прототипа голосового управления
  • оценка распознавания ключевых слов на тестовых аудиоданных

Ограничения

README не сообщает поддерживаемые языки, набор распознаваемых ключевых слов и устойчивость к шуму или различным условиям записи. Приведённые метрики относятся только к evaluation set из карточки.

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

wav2vec2-base-ft-keyword-spotting

This model is a fine-tuned version of facebook/wav2vec2-base on the superb dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0824
  • Accuracy: 0.9826

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: 3e-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 0
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 5.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracy
0.89721.03990.70230.8174
0.32742.07980.16340.9773
0.19933.011970.10480.9788
0.17774.015960.08240.9826
0.15275.019950.08120.9810

Framework versions

  • Transformers 4.12.0.dev0
  • Pytorch 1.9.1+cu111
  • Datasets 1.14.0
  • Tokenizers 0.10.3

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры
Wav2Vec2ForSequenceClassification
Ревизия весов
3062961

0 моделей