/ Модель
Каталог

Характеристики

Параметры
113 млн
Архитектура
wav2vec2 · dense
Опубликована
30 ноя 2022

Ссылки

Hugging Face

ai-light-dance_drums_ft_pretrain_wav2vec2-base-new-13k_onset-drums_fold_1

gary109
Распознавание речиАудио → текст3 профессии

Дообученная wav2vec2-модель для распознавания речи по аудио, оценённая на наборе ONSET-DRUMS_FOLD_1.

349скачиваний за 30 дней0лайковвеса обновлены30 ноя 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.

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

Модель разработана gary109 и представляет собой вариант wav2vec2-base, дообученный для распознавания речи на наборе ONSET-DRUMS_FOLD_1 из AI_LIGHT_DANCE. Это модель Wav2Vec2ForCTC с 113,3 млн параметров; репозиторий содержит веса PyTorch. В README указаны результаты оценки: loss 0,4630 и WER 0,2145.

Модель принимает аудио и предназначена для преобразования речи в текст. Карточка не раскрывает сведения о языках, контексте применения и ограничениях качества; по названию набора данных можно предположить связь с барабанными партиями, но README не уточняет, что именно модель распознаёт. Лицензия в предоставленных данных не указана.

Сценарии применения

  • распознавание речи в аудиозаписях
  • транскрибирование аудио в текст
  • эксперименты с распознаванием аудио на данных AI_LIGHT_DANCE

Ограничения

В README не описаны предназначение, ограничения и обучающие данные сверх названия датасета; язык распознавания не установлен. Указанный WER 0,2145 относится только к оценочному набору из карточки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ai-light-dance_drums_ft_pretrain_wav2vec2-base-new-13k_onset-drums_fold_1

This model is a fine-tuned version of gary109/ai-light-dance_drums_pretrain_wav2vec2-base-new-13k on the GARY109/AI_LIGHT_DANCE - ONSET-DRUMS_FOLD_1 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4630
  • Wer: 0.2145

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0003
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 16
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 50.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
3.06140.99695.12751.0
1.82911.991382.20081.0
1.46642.992071.68211.0
1.2873.992761.56811.0
1.26424.993451.50741.0
1.27025.994141.46501.0
1.22456.994831.30271.0
1.34617.995521.31091.0
1.29038.996211.31071.0
1.27419.996901.18421.0
1.144610.997591.17541.0
1.074611.998281.14690.9999
0.820312.998970.90710.6202
0.599613.999660.70470.4234
0.567214.9910350.53690.2567
0.496515.9911040.46440.2861
0.563916.9911730.46300.2145
0.627217.9912420.68480.2667
0.676418.9913110.60740.2508
0.720519.9913800.64520.2184
0.34620.9914490.59620.2457
0.221221.9915180.52360.2068
0.164622.9915870.61300.2198
0.314823.9916560.55920.2620
0.306124.9917250.55770.2560
0.313725.9917940.52470.2227
0.38926.9918630.57990.2081
0.416827.9919320.58500.1818
0.440328.9920010.56870.2053
0.493629.9920700.55110.2065
0.219630.9921390.54380.1706
0.168331.9922080.60660.1855
0.155232.9922770.52480.1930
0.168233.9923460.54400.1783
0.216234.9924150.60790.1778
0.304135.9924840.56080.1834
0.318836.9925530.60390.2007
0.369237.9926220.54370.1769
0.444638.9926910.64750.1881
0.38639.9927600.64680.1894
0.199540.9928290.63980.1906
0.117441.9928980.59870.1936
0.128842.9929670.61330.1871
0.185743.9930360.69760.1995
0.202544.9931050.63560.1902
0.292245.9931740.63240.2055
0.357546.9932430.63380.1862
0.401947.9933120.61130.1898
0.421148.9933810.63200.1948
0.432349.9934500.63070.1917

Framework versions

  • Transformers 4.24.0.dev0
  • Pytorch 1.12.1+cu113
  • Datasets 2.6.1
  • Tokenizers 0.13.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
ee336eb

0 моделей

    Создать бенчмарк