/ 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_2

gary109
Распознавание речиАудио → текст3 профессии

Дообученная модель wav2vec2 на 113,3 млн параметров для автоматического распознавания аудио.

65скачиваний 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 gary109/ai-light-dance_drums_ft_pretrain_wav2vec2-base-new-13k_onset-drums_fold_2 — дообученная версия wav2vec2 от gary109 для распознавания аудио. Она содержит 113,3 млн параметров и обучена на датасете AI_LIGHT_DANCE — ONSET-DRUMS_FOLD_2; в README указаны результаты оценки: loss 0,4180 и WER 0,1433. Модель предназначена для автоматического распознавания речи, однако README не раскрывает, какие именно аудиосигналы или сценарии распознавания покрывает датасет. Репозиторий содержит веса PyTorch. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

  • автоматическое распознавание аудиозаписей
  • транскрибирование аудио с оценкой качества по WER

Ограничения

README не описывает целевые сценарии, языки и известные ограничения; приведённый WER 0,1433 относится только к оценочному набору указанного датасета.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейII.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_2

This model is a fine-tuned version of gary109/ai-light-dance_drums_ft_pretrain_wav2vec2-base-new-13k_onset-drums_fold_1 on the GARY109/AI_LIGHT_DANCE - ONSET-DRUMS_FOLD_2 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4180
  • Wer: 0.1433

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
0.32380.99690.45810.2081
0.2751.991380.64940.3343
0.29652.992070.61930.2275
0.34063.992760.69340.2615
0.39064.993450.62650.1835
0.46435.994140.58790.1899
0.46526.994830.49610.1604
0.45127.995520.57120.2801
0.53218.996210.68980.2936
0.649.996900.59160.2648
0.295910.997590.55740.1745
0.205311.998280.52160.2009
0.243312.998970.47380.1643
0.203613.999660.50630.1651
0.265414.9910350.49040.1511
0.364115.9911040.46600.1669
0.37316.9911730.51330.2106
0.471517.9912420.53130.1912
0.489318.9913110.51520.1712
0.487519.9913800.54820.1718
0.197120.9914490.45660.1449
0.128621.9915180.45150.1478
0.147222.9915870.50590.1418
0.191723.9916560.55830.1457
0.287424.9917250.51950.1503
0.225225.9917940.44090.1506
0.314226.9918630.41800.1433
0.38527.9919320.47080.1367
0.429628.9920010.47400.1506
0.440429.9920700.46520.1646
0.246630.9921390.50130.1528
0.101731.9922080.45780.1552
0.138332.9922770.50260.1419
0.171933.9923460.46510.1442
0.180834.9924150.44990.1412
0.242935.9924840.45230.1472
0.265136.9925530.45440.1397
0.274837.9926220.41810.1386
0.417138.9926910.43850.1334
0.411939.9927600.45680.1504
0.145340.9928290.44250.1431
0.10541.9928980.43670.1353
0.120542.9929670.44180.1340
0.203943.9930360.45860.1379
0.177344.9931050.46860.1391
0.218645.9931740.49750.1446
0.235846.9932430.48860.1448
0.352547.9933120.47060.1398
0.371348.9933810.47130.1388
0.354349.9934500.47200.1388

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
9e2722b

0 моделей

    Создать бенчмарк