/ Модель

Характеристики

Параметры
403 млн
Лицензия
CC BY-NC 4.0
Архитектура
wav2vec2 · dense
Опубликована
22 мая 2023

mms-300m

Языковая модель3 профессии

Предварительно обученная многоязычная речевая модель Wav2Vec2 для адаптации к распознаванию речи, переводу и классификации аудио.

33 640скачиваний за 30 дней572лайкавеса обновлены5 июн 2023

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

MMS-300M — многоязычная модель Meta AI, разработанная Vineel Pratap и соавторами на архитектуре Wav2Vec2. Это предварительно обученный речевой энкодер примерно на 300 млн параметров, использующий самоконтролируемое обучение на около 500 тысячах часов речи более чем на 1 400 языках. Входная речь должна иметь частоту дискретизации 16 кГц.

Модель служит основой для дообучения под распознавание речи, перевод или классификацию аудио. Сам чекпойнт не является готовой специализированной системой распознавания: для прикладной задачи требуется дообучение на соответствующей разметке. Доступна лицензия CC-BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • дообучение для распознавания речи на редком языке
  • адаптация речевой модели для перевода аудио
  • классификация речевых записей после дообучения
  • создание ASR для языка с ограниченными обучающими данными

Ограничения

Для решения прикладной задачи модель нужно дообучить на downstream-данных; входная речь должна быть дискретизирована с частотой 16 кГц. Лицензия CC-BY-NC 4.0 не разрешает коммерческое использование.

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

Massively Multilingual Speech (MMS) - 300m

Facebook's MMS counting 300m parameters.

MMS is Facebook AI's massive multilingual pretrained model for speech ("MMS"). It is pretrained in with Wav2Vec2's self-supervised training objective on about 500,000 hours of speech data in over 1,400 languages.

When using the model make sure that your speech input is sampled at 16kHz.

Note: This model should be fine-tuned on a downstream task, like Automatic Speech Recognition, Translation, or Classification. Check out the **How-to-fine section or this blog for more information about ASR.

Table Of Content

How to finetune

Coming soon...

Model details

  • Developed by: Vineel Pratap et al.

  • Model type: Multi-Lingual Automatic Speech Recognition model

  • Language(s): 1000+ languages

  • License: CC-BY-NC 4.0 license

  • Num parameters: 300 million

  • Cite as:

    @article{pratap2023mms,
      title={Scaling Speech Technology to 1,000+ Languages},
      author={Vineel Pratap and Andros Tjandra and Bowen Shi and Paden Tomasello and Arun Babu and Sayani Kundu and Ali Elkahky and Zhaoheng Ni and Apoorv Vyas and Maryam Fazel-Zarandi and Alexei Baevski and Yossi Adi and Xiaohui Zhang and Wei-Ning Hsu and Alexis Conneau and Michael Auli},
    journal={arXiv},
    year={2023}
    }
    

Additional Links

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры
Wav2Vec2ForPreTraining
Ревизия весов
4ee317c

0 моделей