/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense

wav2vec2-timit-demo

Распознавание речиАудио → текст5 профессий

Дообученная Wav2Vec2-модель для преобразования аудио в текст.

9скачиваний за 30 дней0лайковвеса обновлены1 мар 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 «Распознавание речи» — 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

asini/wav2vec2-timit-demo — дообученная модель распознавания речи на базе facebook/wav2vec2-base, созданная сообществом Hugging Face. Это модель архитектуры Wav2Vec2ForCTC с 113,3 млн параметров, принимающая аудио и выдающая распознанный текст. В карточке приведены результаты оценки: loss 0,4847 и WER 0,3462; подробности о наборе данных и сценариях обучения не описаны. Модель опубликована в формате PyTorch под лицензией Apache-2.0.

Сценарии применения

  • распознавание речи из аудиозаписей
  • получение текстовой расшифровки речевого сигнала
  • экспериментальная оценка качества распознавания речи

Ограничения

В карточке отсутствуют подробности о данных обучения и целевых языках. Указанный WER 0,3462 показывает заметную долю ошибок и относится только к описанному набору оценки.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-timit-demo

This model is a fine-tuned version of facebook/wav2vec2-base on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4847
  • Wer: 0.3462

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: 0.0001
  • train_batch_size: 32
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
3.4874.05001.34661.0153
0.61348.010000.48070.4538
0.221412.015000.46840.3984
0.123316.020000.50700.3779
0.084720.025000.49650.3705
0.061124.030000.48810.3535
0.046428.035000.48470.3462

Framework versions

  • Transformers 4.11.3
  • Pytorch 1.10.2+cu102
  • Datasets 1.18.3
  • Tokenizers 0.10.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
a076c09

0 моделей