/ Модель

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2 · dense
Опубликована
5 сен 2025

full_dataset_train_3_wav2vec2-large-xlsr-53-buckeye-ipa

Распознавание речиАудио → текст3 профессии

Дообученная на корпусе Buckeye модель Wav2Vec2 для автоматического распознавания речи и экспериментов по фонетической транскрипции.

2 820скачиваний за 30 дней0лайковвеса обновлены5 сен 2025

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.

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 ginic/full_dataset_train_3_wav2vec2-large-xlsr-53-buckeye-ipa — англоязычная система автоматического распознавания речи на архитектуре Wav2Vec2ForCTC с 402,7 млн параметров. Она создана для экспериментов по фонетической транскрипции на корпусе Buckeye и представляет собой дообученную версию facebook/wav2vec2-large-xlsr-53 на обучающей выборке этого корпуса; из обучения исключены слишком короткие записи длительностью менее 12 секунд.

Модель предназначена для транскрибирования речи и оценки фонетического распознавания, в том числе для экспериментов по обобщению на другие корпуса, диалекты и варианты произношения. Она принимает аудио и выдаёт текстовую транскрипцию. Распространяется по лицензии MIT. Качество и область применимости за пределами данных Buckeye требуют отдельной оценки.

Сценарии применения

  • фонетическая транскрипция англоязычных записей из корпуса Buckeye
  • распознавание речи в экспериментальных исследованиях фонетики
  • оценка переноса распознавания на корпус TIMIT
  • проверка распознавания акцентов и вариантов произношения

Ограничения

Модель обучена на обучающей выборке Buckeye, поэтому качество на других корпусах, диалектах и языковых вариантах требует проверки. В обучении не использовались записи короче 12 секунд.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

About

This model was created to support experiments for evaluating phonetic transcription with the Buckeye corpus as part of https://github.com/ginic/multipa. This is a version of facebook/wav2vec2-large-xlsr-53 fine tuned on a specific subset of the Buckeye corpus. For details about specific model parameters, please view the config.json here or training scripts in the scripts/buckeye_experiments folder of the GitHub repository.

Experiment Details

The entire train split of the Buckeye corpus was used to train this model. The only data excluded are samples in the train split that are too short (< 0.1 seconds) or too long (>12 seconds) to be used to train the model

Goals:

  • Include the largest amount of training data possible.
  • Can be used with a different corpus (e.g. TIMIT, Speech Accent Archive) for evaluation to test generalization to other dialects and language varieties.

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
fe8b6d1

0 моделей