Характеристики

Параметры: 403 млн
Лицензия: CC BY-NC 4.0
Архитектура: wav2vec2 · dense

Ссылки

wav2vec2-large-100k-voxpopuli

Распознавание речиАудио → текст3 профессии

Многоязычная модель Wav2Vec2, предварительно обученная на аудио VoxPopuli и предназначенная для дообучения под распознавание речи.

1 155скачиваний за 30 дней5лайковвеса обновлены5 ноя 2021

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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

Wav2Vec2-Large-VoxPopuli — модель Facebook AI на архитектуре Wav2Vec2 с 402,7 млн параметров, предварительно обученная на 100 тысячах часов неразмеченной аудиозаписи из корпуса VoxPopuli. Она предназначена для получения речевых представлений и служит основой для создания систем распознавания речи после дообучения на размеченных аудиоданных.

Модель принимает аудио, но в этом чекпойнте нет токенизатора, поэтому готовой расшифровки речи она не выдаёт. Для распознавания нужно создать токенизатор и дообучить модель на размеченных текстом аудиозаписях, например для выбранного языка. В репозитории представлены веса PyTorch и Flax; карточка описывает многоязычное предварительное обучение, но не перечисляет конкретные поддерживаемые языки.

Модель разработана Facebook AI и связана с исследовательской работой о корпусе VoxPopuli и многоязычном обучении речевых представлений. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

создание системы распознавания речи после дообучения
дообучение распознаванию речи на размеченных аудиозаписях
получение речевых представлений из аудио для исследований

Ограничения

Чекпойнт не содержит токенизатора и сам по себе не выдаёт текстовую расшифровку: для распознавания речи нужны токенизатор и дообучение на размеченных данных. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Wav2Vec2-Large-VoxPopuli

Facebook's Wav2Vec2 large model pretrained on the 100k unlabeled subset of VoxPopuli corpus.

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

Fine-Tuning

Please refer to this blog on how to fine-tune this model on a specific language. Note that you should replace "facebook/wav2vec2-large-xlsr-53" with this checkpoint for fine-tuning.

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: ad2f1b5