/ Модель
Каталог

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
hubert · dense
Опубликована
22 мая 2022

Ссылки

Hugging Face

hubert-base-libri-clean-ft100h-v3

danieleV9H
Распознавание речиАудио → текст9 профессий

Англоязычная HuBERT-модель для преобразования речи в текст, дообученная на LibriSpeech ASR.

276скачиваний за 30 дней0лайковвеса обновлены26 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

danieleV9H/hubert-base-libri-clean-ft100h-v3 — англоязычная модель распознавания речи, созданная дообучением facebook/hubert-base-ls960 на наборе LibriSpeech ASR. Она принимает аудио и выдаёт текстовую расшифровку; архитектура — HuBERT с CTC-головой, размер — 113,3 млн параметров. На указанном в карточке наборе оценки модель достигла WER 0,1332 и loss 0,1120. Модель подходит для транскрибации английской речи, особенно аудиокниг и записей, похожих на LibriSpeech. Доступна под лицензией Apache-2.0.

Сценарии применения

  • расшифровка английских аудиокниг
  • транскрибация записей английской речи
  • получение текстовой расшифровки аудиофайлов для последующей обработки

Ограничения

Заявлены результаты только на оценочном наборе LibriSpeech: WER 0,1332 и loss 0,1120; качество на других типах речи и в шумных условиях не описано.

Для каких профессий подходит9

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.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

hubert-base-libri-clean-ft100h-v3

This model is a fine-tuned version of facebook/hubert-base-ls960 on the librispeech_asr dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1120
  • Wer: 0.1332

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: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 600
  • num_epochs: 8
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
5.2010.142503.97991.0
2.88930.285003.48381.0
2.86030.427503.35051.0
2.72160.5610002.11940.9989
1.33720.712500.81240.6574
0.82380.8415000.57120.5257
0.64490.9817500.44420.4428
0.52411.1220000.34420.3672
0.44581.2622500.28500.3186
0.39591.425000.25070.2882
0.36411.5427500.22570.2637
0.33071.6830000.20440.2434
0.29961.8232500.19690.2313
0.27941.9635000.18230.2193
0.25962.137500.17170.2096
0.25632.2440000.16530.2000
0.25322.3842500.16150.1971
0.23762.5245000.15590.1916
0.23412.6647500.14940.1855
0.21022.850000.14640.1781
0.22222.9452500.13990.1732
0.20813.0855000.14500.1707
0.19633.2257500.13370.1655
0.21073.3660000.13440.1633
0.18663.562500.13390.1611
0.1863.6465000.13110.1563
0.17033.7867500.13070.1537
0.18193.9270000.12770.1555
0.1764.0672500.12800.1515
0.18374.275000.12490.1504
0.16784.3477500.12360.1480
0.16244.4880000.11940.1456
0.16314.6282500.12150.1462
0.17364.7685000.11920.1451
0.17524.987500.12060.1432
0.15785.0490000.11510.1415
0.15375.1892500.11850.1402
0.17715.3395000.11650.1414
0.14815.4797500.11520.1413
0.15095.61100000.11520.1382
0.1465.75102500.11330.1385
0.14645.89105000.11390.1371
0.14426.03107500.11620.1365
0.1286.17110000.11470.1371
0.13816.31112500.11480.1378
0.13436.45115000.11130.1363
0.13256.59117500.11340.1355
0.14426.73120000.11420.1358
0.12866.87122500.11330.1352
0.13497.01125000.11290.1344
0.13387.15127500.11310.1328
0.14037.29130000.11240.1338
0.13147.43132500.11410.1335
0.12837.57135000.11240.1332
0.13477.71137500.11070.1332
0.11957.85140000.11190.1332
0.13267.99142500.11200.1332

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
HubertForCTC
Ревизия весов
f76c1e2

0 моделей

    Создать бенчмарк