/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
1 июл 2022

Ссылки

Hugging Face

ai-light-dance_singing3_ft_wav2vec2-large-xlsr-53

gary109
Распознавание речиАудио → текст3 профессии

Дообученная Wav2Vec2-модель для распознавания вокала и пения в аудиозаписях AI Light Dance.

9скачиваний за 30 дней0лайковвеса обновлены7 июл 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_singing3_ft_wav2vec2-large-xlsr-53 — модель распознавания речи на основе Wav2Vec2, дообученная автором gary109 на датасете GARY109/AI_LIGHT_DANCE - ONSET-SINGING3. Она принимает аудио и преобразует речь в текст; в карточке указаны оценка Loss 0,8797 и WER 0,5513 на наборе оценки. Модель содержит 402,7 млн параметров и опубликована в формате PyTorch.

Модель предназначена для распознавания вокала и пения в материалах AI Light Dance. Результат WER указывает на существенные ошибки распознавания, поэтому качество транскрипции следует проверять для конкретных записей. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибирование вокала в записях AI Light Dance
  • распознавание текста в исполнении ONSET-SINGING3
  • получение черновой транскрипции аудиозаписи с пением

Ограничения

В карточке приведён WER 0,5513 на оценочном наборе, что указывает на заметную долю ошибок. Языки и подробные условия применимости не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.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

Открыть на Hugging Face

ai-light-dance_singing3_ft_wav2vec2-large-xlsr-53

This model is a fine-tuned version of gary109/ai-light-dance_singing3_ft_wav2vec2-large-xlsr-53 on the GARY109/AI_LIGHT_DANCE - ONSET-SINGING3 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8797
  • Wer: 0.5513

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: 5e-06
  • train_batch_size: 2
  • eval_batch_size: 2
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 30.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.96131.023091.01710.7271
0.82542.046180.97710.6650
0.74063.069270.91740.6420
0.744.092360.95510.6371
0.58555.0115450.92620.6453
0.55366.0138540.90560.5894
0.5057.0161630.91660.6029
0.4498.0184720.88160.5873
0.42199.0207810.89700.5589
0.576410.0230900.91890.5649
0.507511.0253990.87970.5513
0.436612.0277080.90110.5567
0.491513.0300170.92480.5455
0.355414.0323260.93090.5374
0.397515.0346350.91030.5259
0.411916.0369440.94020.5290
0.26717.0392530.94790.5115
0.310718.0415620.94280.5099
0.268419.0438710.95080.5133
0.212520.0461800.97370.5097
0.314921.0484890.99920.5095
0.231322.0507981.00370.5059
0.267423.0531071.00910.5040
0.205624.0554161.00820.5076
0.278125.0577251.01600.5015
0.200526.0600341.03900.5131
0.222127.0623431.04010.5074
0.185728.0646521.04840.5096
0.156229.0669611.05160.5064
0.302730.0692701.05430.5049

Framework versions

  • Transformers 4.21.0.dev0
  • Pytorch 1.9.1+cu102
  • Datasets 2.3.3.dev0
  • Tokenizers 0.12.1

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
77e2982

0 моделей

    Создать бенчмарк