/ Модель

Характеристики

Контекст
512 токенов
Параметры
28,3 млн
Лицензия
Apache 2.0
Архитектура
sew-d · dense
Опубликована
2 мар 2022

sew-d-tiny-100k

ЭмбеддингиТекст → embedding3 профессии

SEW-D-tiny — компактная предварительно обученная модель ASRAPР Research для извлечения признаков из речи и дообучения под задачи распознавания и анализа аудио.

497скачиваний за 30 дней2лайкавеса обновлены21 июл 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

SEW-D-tiny — предварительно обученная речевая модель семейства SEW-D, разработанная ASAPP Research на основе идей wav2vec 2.0. Она извлекает признаки из аудио и предназначена для дообучения под прикладные задачи, включая распознавание речи, идентификацию говорящего, классификацию намерений и распознавание эмоций.

Модель содержит 28,3 млн параметров и принимает речь, записанную с частотой дискретизации 16 кГц. Архитектура SEW (Squeezed and Efficient Wav2vec) нацелена на повышение эффективности и скорости вывода; в исследовании для SEW описаны улучшения скорости и качества распознавания относительно wav2vec 2.0. Карточка указывает английский язык и датасет LibriSpeech ASR.

Для распознавания речи и других прикладных задач модель нужно дообучить. Веса представлены в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • извлечение признаков из английской речи
  • дообучение для автоматического распознавания речи
  • идентификация говорящего после дообучения
  • классификация намерений по голосу после дообучения
  • распознавание эмоций в речи после дообучения

Ограничения

Модель является базовой предварительно обученной моделью и требует дообучения для конкретной прикладной задачи. Речевой вход должен иметь частоту дискретизации 16 кГц.

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

SEW-D-tiny

SEW-D by ASAPP Research

The base model pretrained on 16kHz sampled speech audio. When using the model make sure that your speech input is also sampled at 16Khz. Note that this model should be fine-tuned on a downstream task, like Automatic Speech Recognition, Speaker Identification, Intent Classification, Emotion Recognition, etc...

Paper: Performance-Efficiency Trade-offs in Unsupervised Pre-training for Speech Recognition

Authors: Felix Wu, Kwangyoun Kim, Jing Pan, Kyu Han, Kilian Q. Weinberger, Yoav Artzi

Abstract This paper is a study of performance-efficiency trade-offs in pre-trained models for automatic speech recognition (ASR). We focus on wav2vec 2.0, and formalize several architecture designs that influence both the model performance and its efficiency. Putting together all our observations, we introduce SEW (Squeezed and Efficient Wav2vec), a pre-trained model architecture with significant improvements along both performance and efficiency dimensions across a variety of training setups. For example, under the 100h-960h semi-supervised setup on LibriSpeech, SEW achieves a 1.9x inference speedup compared to wav2vec 2.0, with a 13.5% relative reduction in word error rate. With a similar inference time, SEW reduces word error rate by 25-50% across different model sizes.

The original model can be found under https://github.com/asappresearch/sew#model-checkpoints .

Usage

See this blog for more information on how to fine-tune the model. Note that the class Wav2Vec2ForCTC has to be replaced by SEWDForCTC.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
SEWDModel
Ревизия весов
5698a00

0 моделей