Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Базовая модель: wav2vec2-base-960h
Опубликована: 27 авг 2023

Ссылки

Hugging Face

english_accents_classification

dima806

Классификация текстаТекст → label3 профессии

Модель на wav2vec2 классифицирует аудиозаписи английской речи по распространённым акцентам.

10 631скачиваний за 30 дней6лайковвеса обновлены19 окт 2024

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

Модель dima806/english_accents_classification предназначена для классификации аудиозаписи речи по распространённому акценту английского языка. Она дообучена на facebook/wav2vec2-base-960h и использует архитектуру wav2vec2 с классификационной головой; размер составляет 113,3 млн параметров. Модель принимает аудио и выдаёт метку класса акцента.

Модель подходит для автоматической сортировки речевых образцов по акцентам и анализа английской речи. В карточке указана лицензия Apache-2.0. README не сообщает перечень классов акцентов и условия записи, поэтому точность для конкретных вариантов произношения оценить нельзя.

Сценарии применения

определение акцента английской речи по аудиозаписи
сортировка голосовых образцов по акцентам
анализ произношения английского языка
классификация акцента в речевых данных

Ограничения

README не перечисляет распознаваемые классы акцентов и не описывает требования к аудио; надёжность для конкретных акцентов и условий записи по имеющимся данным оценить нельзя.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Returns common English accent given a voice audio sample.

See https://www.kaggle.com/code/dima806/common-voice-accent-classification for more details.

image/png

Classification report:

              precision    recall  f1-score   support

          us     0.3956    0.0150    0.0290      4788
     england     0.5255    0.9121    0.6668     18082
      indian     0.5883    0.4586    0.5154      5656
   australia     0.4962    0.0381    0.0707      5124
      canada     0.3714    0.1760    0.2389      5169

    accuracy                         0.5220     38819
   macro avg     0.4754    0.3200    0.3042     38819
weighted avg     0.4942    0.5220    0.4304     38819

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: 3d17997