/ Модель
Каталог

Характеристики

Параметры
113 млн
Архитектура
wav2vec2 · dense
Опубликована
25 ноя 2022

Ссылки

Hugging Face

ai-light-dance_drums_ft_pretrain_wav2vec2-base-new_onset-idmt-2_8k

gary109
Распознавание речиАудио → текст6 профессий

Дообученная wav2vec2-base модель для автоматического распознавания речи в аудио.

40скачиваний за 30 дней0лайковвеса обновлены25 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_onset-idmt-2_8k — дообученная Gary109 версия wav2vec2-base для автоматического распознавания речи. Она содержит 113,3 млн параметров и использует архитектуру Wav2Vec2ForCTC; веса опубликованы в формате PyTorch. Модель дообучена на наборе GARY109/AI_LIGHT_DANCE - ONSET-IDMT-2, связанном с проектом AI Light Dance.

Основной сценарий — преобразование аудио в текст. В README приведены результаты оценки на тестовой выборке: WER 0,3178 и loss 0,5029. Поддерживаемый язык и ограничения применения в доступной карточке не описаны. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

  • транскрибирование аудиозаписей
  • распознавание речи в аудиоданных проекта AI Light Dance
  • оценка качества распознавания речи на тестовой выборке

Ограничения

Для тестовой выборки указана оценка WER 0,3178; качество на других данных не установлено. Поддерживаемый язык и лицензия в предоставленных сведениях не определены.

Для каких профессий подходит6

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 791модельI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Также подходит для

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_onset-idmt-2_8k

This model is a fine-tuned version of gary109/ai-light-dance_drums_pretrain_wav2vec2-base-new on the GARY109/AI_LIGHT_DANCE - ONSET-IDMT-2 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5029
  • Wer: 0.3178

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: 30
  • num_epochs: 100.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
No log1.09101.80460.98
17.49582.01882.49201.0
16.20873.02736.13881.0
6.29424.0368.32671.0
2.04115.0456.82151.0
1.5546.0545.38471.0
1.62157.0634.46451.0
1.49628.0723.22111.0
1.38259.0812.55131.0
1.344310.0902.85821.0
1.344311.0992.54461.0
1.309612.01082.02110.9956
1.336113.01171.81100.9944
1.286214.01261.77960.9933
1.255615.01351.73010.9922
1.195916.01441.42450.9989
1.116117.01531.19320.5678
0.885318.01621.27260.4922
0.799619.01711.08410.5511
0.816520.01801.40620.4411
0.816521.01891.42190.3367
0.680722.01981.21070.3344
0.731523.02071.14200.3189
0.620324.02161.07700.3778
0.655225.02251.10950.3789
0.561826.02341.00040.3478
0.531127.02430.88110.3311
0.539128.02520.81630.3678
0.527529.02611.00000.3311
0.496530.02700.73200.37
0.496531.02790.96430.3389
0.490932.02880.76630.3589
0.521833.02970.90040.3489
0.499134.03060.73420.38
0.488335.03150.79590.3389
0.490236.03240.68920.3378
0.444737.03330.64800.3333
0.445838.03420.61980.3333
0.460739.03510.60810.3111
0.435240.03600.67480.3156
0.435241.03690.68850.3256
0.428642.03780.68060.3333
0.431443.03870.78550.3222
0.447644.03960.65690.3144
0.481545.04050.53890.3033
0.3646.04140.55500.3011
0.451647.04230.59240.3144
0.368248.04320.72750.3056
0.437149.04410.70510.3089
0.400450.04500.56690.3078
0.400451.04590.50290.3178
0.329852.04680.61500.32
0.408353.04770.58820.33
0.402254.04860.72530.3144
0.446555.04950.68080.3111
0.395556.05040.60020.3133
0.387757.05130.75930.3056
0.348658.05220.67640.3189
0.378259.05310.67720.3133
0.359960.05400.88460.3111
0.359961.05490.94580.3233
0.342462.05580.83990.3233
0.365263.05670.82660.3133
0.332764.05760.78130.3078
0.360365.05850.80660.3156
0.340166.05940.79600.3067
0.379767.06030.85130.2989
0.335368.06120.83190.2722
0.390969.06210.82440.2878
0.326370.06300.95390.3022
0.326371.06391.00300.2922
0.310272.06480.98750.3044
0.357773.06570.90300.2978
0.295374.06660.93920.2889
0.364475.06750.90890.2878
0.323176.06840.92640.2844
0.307877.06931.05360.2911
0.450378.07020.94730.2967
0.349279.07110.89090.3089
0.34780.07200.85320.3067
0.34781.07290.95530.2833
0.294982.07381.01110.2867
0.344783.07470.91600.3011
0.287884.07560.84010.2989
0.322985.07650.88150.2911
0.27686.07740.88020.2911
0.346987.07830.91210.29
0.304488.07920.89340.2933
0.288589.08010.88060.2967
0.336590.08100.90370.2844
0.336591.08190.92180.2867
0.323992.08280.92280.2844
0.321993.08370.91670.2844
0.273694.08460.94950.2878
0.358795.08550.99970.2844
0.338696.08640.99770.2856
0.289597.08730.99640.2889
0.349698.08820.97650.2889
0.278999.08910.97130.2878
0.3284100.09000.96870.2889

Framework versions

  • Transformers 4.25.0.dev0
  • Pytorch 1.8.1+cu111
  • Datasets 2.7.1.dev0
  • Tokenizers 0.13.2

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
b2e53e2

0 моделей

    Создать бенчмарк