/ Модель

Характеристики

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

wav2vec2-base-es-voxpopuli-v2

Распознавание речиАудио → текст3 профессии

Базовая модель wav2vec 2.0, предварительно обученная на испанской речи VoxPopuli и предназначенная для последующего дообучения в системах распознавания речи.

187скачиваний 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

Facebook AI разработала Wav2Vec2-base-VoxPopuli-V2 — базовую модель wav2vec 2.0 с 113,3 млн параметров, предварительно обученную на 21,4 тыс. часов неразмеченной испанской речи из VoxPopuli. Она принимает аудио с частотой дискретизации 16 кГц и строит речевые представления; для распознавания речи её необходимо дополнить токенизатором и дообучить на размеченных аудиозаписях и текстах на испанском языке.

Модель подходит как основа для экспериментов и разработки систем распознавания испанской речи после дообучения. В текущем виде она не содержит токенизатора и не выдаёт текст транскрипции напрямую. Распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.

Сценарии применения

  • подготовка основы для распознавания испанской речи
  • дообучение на размеченных аудиозаписях и транскрипциях
  • извлечение речевых представлений из испанского аудио
  • эксперименты с акустическими моделями для испанского языка

Ограничения

В текущем виде модель не имеет токенизатора и не распознаёт речь в текст без создания токенизатора и дообучения на размеченных испанских данных. Входная речь должна иметь частоту дискретизации 16 кГц; лицензия 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 es on 21.4k 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 es. 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
b982ca9

0 моделей