/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
26 июн 2023

Wav2vec2-large-robust-Pronounciation-Evaluation

Классификация текстаТекст → label3 профессии

Дообученная модель Wav2Vec2 классифицирует аудио для оценки произношения.

12скачиваний за 30 дней5лайковвеса обновлены26 июн 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Wav2vec2-large-robust-Pronounciation-Evaluation — дообученная модель на базе facebook/wav2vec2-large-robust для оценки произношения по аудиозаписи. Она использует архитектуру Wav2Vec2ForSequenceClassification и содержит 402,7 млн параметров. В README приведены результаты на оценочной выборке: accuracy, F1, precision и recall — 0,72; loss — 0,7846.

Модель предназначена для классификации аудио в сценариях оценки произношения. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Сведения о поддерживаемых языках, составе классов и данных для обучения отсутствуют.

Сценарии применения

  • оценка правильности произношения по аудиозаписи
  • классификация аудиозаписей для проверки произношения

Ограничения

В README не раскрыты языки, набор классов и данные для обучения. На оценочной выборке указаны accuracy и F1 по 0,72.

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

Wav2vec2-large-robust-Pronounciation-Evaluation

This model is a fine-tuned version of facebook/wav2vec2-large-robust on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7846
  • Accuracy: 0.72
  • F1: 0.72
  • Precision: 0.72
  • Recall: 0.72

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: 0.0001
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 6

Training results

Training LossEpochStepValidation LossAccuracyF1PrecisionRecall
0.74681.05000.97620.6160.6160.6160.616
0.4922.010001.13080.5360.5360.5360.536
0.6193.015000.79130.6880.6880.6880.688
0.564.020000.81420.670.670.670.67
0.45615.025000.74520.7080.7080.7080.708
0.54746.030000.78460.720.720.720.72

Framework versions

  • Transformers 4.30.2
  • Pytorch 2.0.1+cu118
  • Datasets 2.13.1
  • Tokenizers 0.13.3

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры
Wav2Vec2ForSequenceClassification
Ревизия весов
092563b

0 моделей