/ Модель
Каталог

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
17 мая 2022

Ссылки

Hugging Face

wav2vec2-base-timit-demo-google-colab

atgarcia
Распознавание речиАудио → текст4 профессии

Дообученная модель Wav2Vec2 для автоматического преобразования речи в текст.

77скачиваний за 30 дней0лайковвеса обновлены21 мая 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.

Открыть конструктор бенчмарка

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

atgarcia/wav2vec2-base-timit-demo-google-colab — модель автоматического распознавания речи, созданная дообучением facebook/wav2vec2-base. Она принимает аудио и преобразует речь в текст. Модель построена на архитектуре Wav2Vec2ForCTC, содержит 113,3 млн параметров и представлена в формате PyTorch.

В карточке приведены результаты оценки: loss 0,5255 и WER 0,3330. Название модели указывает на связь с TIMIT и демонстрацией в Google Colab, но README не уточняет обучающие данные, языки распознавания и предназначенные сценарии применения. Лицензия модели — Apache-2.0.

Сценарии применения

  • транскрибирование аудиозаписей речи
  • распознавание речи в демонстрационных экспериментах
  • оценка качества ASR-моделей на речевых наборах данных

Ограничения

README не описывает обучающие данные и языки модели. В карточке указаны WER 0,3330 и loss 0,5255 на оценочном наборе, однако подробности набора и условий оценки отсутствуют.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-timit-demo-google-colab

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: 0.5255
  • Wer: 0.3330

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: 8
  • 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
3.59421.05002.38491.0011
0.97652.0110000.59070.5202
0.44243.0115000.45470.4661
0.30084.0220000.41940.4228
0.23165.0225000.39330.4099
0.19216.0230000.45320.3965
0.15617.0335000.43150.3777
0.13788.0340000.44630.3847
0.12229.0445000.44020.3784
0.107610.0450000.42530.3735
0.092411.0455000.48440.3732
0.086612.0560000.47580.3646
0.08613.0565000.63950.4594
0.076314.0670000.49510.3647
0.068415.0675000.48700.3577
0.061616.0680000.54420.3591
0.059417.0785000.53050.3606
0.061318.0790000.54340.3546
0.047319.0895000.48180.3532
0.046320.08100000.50860.3514
0.04221.08105000.50170.3484
0.036522.09110000.51290.3536
0.033623.09115000.54110.3433
0.032524.1120000.53070.3424
0.028225.1125000.52610.3404
0.024526.1130000.53060.3388
0.025727.11135000.52420.3369
0.023428.11140000.52160.3359
0.022129.12145000.52550.3330

Framework versions

  • Transformers 4.17.0
  • Pytorch 1.11.0+cu113
  • Datasets 1.18.3
  • Tokenizers 0.12.1

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
7f1969c

0 моделей

    Создать бенчмарк