/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

ai-light-dance_singing3_ft_wav2vec2-large-xlsr-53-v1-5gram

gary109
Распознавание речиАудио → текст3 профессии

Дообученная wav2vec2 XLSR-53 модель для распознавания пения из аудио.

44скачиваний за 30 дней1лайквеса обновлены21 авг 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-v1-5gram — дообученная gary109 версия wav2vec2 XLSR-53 для автоматического распознавания речи. Она содержит 402,7 млн параметров и использует архитектуру Wav2Vec2ForCTC; веса опубликованы в формате PyTorch. По карточке, модель дообучена на датасете GARY109/AI_LIGHT_DANCE - ONSET-SINGING3 и предназначена для распознавания пения.

На оценочной выборке указаны loss 0,4505 и WER 0,2119. Модель принимает аудио и выдаёт распознанный текст. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • расшифровка вокальных партий в аудиозаписях
  • создание текстовых транскрипций пения
  • распознавание слов в песнях из датасета AI Light Dance

Ограничения

Карточка не сообщает языки распознавания и подробности об ограничениях; указанное качество относится к оценочной выборке конкретного датасета.

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-v1-5gram

This model is a fine-tuned version of gary109/ai-light-dance_singing3_ft_wav2vec2-large-xlsr-53-v1-5gram on the GARY109/AI_LIGHT_DANCE - ONSET-SINGING3 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4505
  • Wer: 0.2119

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: 1e-07
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 100.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.33551.01440.45050.2119
0.30692.02880.45090.2124
0.30493.04320.45110.2119
0.30284.05760.45210.2114
0.30925.07200.45320.2112
0.30436.08640.45360.2117
0.29037.010080.45430.2114
0.31248.011520.45380.2118
0.30799.012960.45410.2121
0.309310.014400.45370.2117
0.309311.015840.45440.2111
0.320212.017280.45490.2110
0.308613.018720.45460.2104
0.294714.020160.45420.2119
0.314515.021600.45390.2115
0.329216.023040.45320.2115
0.304917.024480.45470.2117
0.317718.025920.45440.2111
0.310819.027360.45470.2114
0.294420.028800.45600.2105
0.323221.030240.45600.2113
0.319622.031680.45590.2107
0.320723.033120.45630.2106
0.303924.034560.45550.2110
0.315725.036000.45600.2117
0.328526.037440.45610.2102
0.312527.038880.45530.2107
0.305128.040320.45600.2103
0.316629.041760.45600.2103
0.32130.043200.45510.2101
0.314631.044640.45520.2100
0.32332.046080.45510.2105
0.322333.047520.45540.2101
0.310534.048960.45490.2102
0.313435.050400.45520.2101
0.305436.051840.45500.2103
0.316237.053280.45540.2106
0.309438.054720.45510.2099
0.317439.056160.45530.2105
0.321840.057600.45530.2106
0.313441.059040.45520.2101
0.301942.060480.45520.2101
0.316943.061920.45520.2095
0.320944.063360.45500.2090
0.303545.064800.45500.2100
0.318146.066240.45500.2104
0.313347.067680.45460.2096
0.317348.069120.45560.2099
0.317449.070560.45520.2101
0.31350.072000.45530.2100
0.313951.073440.45550.2101
0.305452.074880.45550.2100
0.321253.076320.45540.2097
0.325254.077760.45530.2097
0.306355.079200.45540.2106
0.320656.080640.45510.2097
0.317657.082080.45520.2101
0.317958.083520.45540.2099
0.306459.084960.45590.2092
0.30160.086400.45590.2103
0.310361.087840.45590.2102
0.316962.089280.45590.2103
0.308163.090720.45590.2101
0.324964.092160.45550.2106
0.303165.093600.45530.2105
0.301766.095040.45560.2105
0.326167.096480.45510.2100
0.319668.097920.45530.2096
0.308569.099360.45540.2095
0.323570.0100800.45520.2096
0.319471.0102240.45500.2102
0.324372.0103680.45460.2098
0.311573.0105120.45420.2101
0.330774.0106560.45450.2100
0.307275.0108000.45470.2100
0.321876.0109440.45450.2102
0.311677.0110880.45400.2103
0.302178.0112320.45420.2101
0.316579.0113760.45390.2109
0.32780.0115200.45390.2090
0.326881.0116640.45400.2110
0.30482.0118080.45370.2097
0.325683.0119520.45370.2102
0.320884.0120960.45440.2101
0.319985.0122400.45410.2094
0.310486.0123840.45430.2097
0.321887.0125280.45420.2106
0.330188.0126720.45380.2098
0.305589.0128160.45400.2101
0.315490.0129600.45330.2098
0.316991.0131040.45430.2098
0.312292.0132480.45410.2098
0.31993.0133920.45360.2094
0.30794.0135360.45380.2092
0.313295.0136800.45400.2094
0.318596.0138240.45360.2099
0.299697.0139680.45410.2100
0.319398.0141120.45390.2092
0.309199.0142560.45380.2096
0.315100.0144000.45440.2100

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
da10f49

0 моделей

    Создать бенчмарк