/ Модель

Характеристики

Параметры
113 млн
Лицензия
CC BY-NC 4.0
Архитектура
wav2vec2 · dense

wav2vec2-base-de-voxpopuli-v2

Распознавание речиАудио → текст3 профессии

Предварительно обученная на немецкой речи модель Wav2Vec2 для последующего дообучения под распознавание речи.

115скачиваний за 30 дней1лайквеса обновлены27 фев 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

Wav2Vec2-base-VoxPopuli-V2 — акустический чекпойнт Facebook AI на архитектуре Wav2Vec2 с 113,3 млн параметров, предварительно обученный на немецкой речи из VoxPopuli V2. Обучение проводилось на 23,2 тыс. часов неразмеченных аудиоданных; модель принимает речь с частотой дискретизации 16 кГц.

Модель предназначена для дальнейшей адаптации к распознаванию немецкой речи: для этого требуется создать токенизатор и дообучить её на размеченных аудиотекстовых данных. В текущем виде у неё нет токенизатора, поэтому она не готова выдавать текст транскрипции. Распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование.

Сценарии применения

  • дообучение для распознавания немецкой речи
  • создание немецкой системы транскрибации после добавления токенизатора
  • адаптация акустической модели на размеченных немецких аудиоданных

Ограничения

В исходном виде модель не содержит токенизатора и не готова к транскрибации: нужны токенизатор и дообучение на размеченных немецких данных. На вход требуется аудио с частотой дискретизации 16 кГц; лицензия CC BY-NC 4.0 запрещает 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

Wav2Vec2-base-VoxPopuli-V2

Facebook's Wav2Vec2 base model pretrained only in de on 23.2k unlabeled datat of the VoxPopuli corpus.

The model is pretrained on 16kHz sampled speech audio. When using the model make sure that your speech input is also sampled at 16Khz.

Note: This model does not have a tokenizer as it was pretrained on audio alone. In order to use this model for speech recognition, a tokenizer should be created and the model should be fine-tuned on labeled text data in de. Check out this blog for a more in-detail explanation of how to fine-tune the model.

Paper: VoxPopuli: A Large-Scale Multilingual Speech Corpus for Representation Learning, Semi-Supervised Learning and Interpretation

Authors: Changhan Wang, Morgane Riviere, Ann Lee, Anne Wu, Chaitanya Talnikar, Daniel Haziza, Mary Williamson, Juan Pino, Emmanuel Dupoux from Facebook AI.

See the official website for more information, here.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForPreTraining
Ревизия весов
e0b6035

0 моделей