Personal speech to text model
s2t models often do not understand my accent, so I fine tuned this one from "facebook/wav2vec2-large-robust-ft-swbd-300h" using about 1000 recordings of my voice.
Do not download unless you have exactly my accent.
personal-speech-to-text-model
Wav2Vec2, дообученная на записях голоса автора для распознавания речи с похожим акцентом.
55скачиваний за 30 дней14лайковвеса обновлены6 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.
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.
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
fractalego/personal-speech-to-text-model — модель распознавания речи на базе Wav2Vec2, дообученная автором на примерно 1000 записях собственного голоса, чтобы лучше распознавать его акцент. Модель содержит 402,7 млн параметров и предназначена для преобразования речи в текст с учётом этого акцента.
Модель принимает аудио и выдаёт текст; карточка указывает задачу automatic-speech-recognition. Она основана на facebook/wav2vec2-large-robust-ft-swbd-300h и распространяется в формате PyTorch. Автор предупреждает, что скачивать её имеет смысл только пользователям с таким же акцентом. Лицензия в предоставленных данных не указана.
Сценарии применения
- распознавание речи с акцентом, похожим на акцент автора
- транскрибация аудиозаписей голоса автора
- преобразование речи в текст для персонального использования
Ограничения
Дообучение выполнено примерно на 1000 записях одного человека; автор рекомендует модель только пользователям с таким же акцентом. Язык аудио и лицензия в предоставленных данных не указаны.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Wav2Vec2ForCTC
- Ревизия весов
- 396a3cd