/ Модель

Характеристики

Параметры
404 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
14 июл 2022

wav2vec2-base-timit-demo-google-colab-tryjpn

Распознавание речиАудио → текст3 профессии

Дообученная на базе XLSR-53 модель Wav2Vec2 для преобразования речи из аудио в текст.

20скачиваний за 30 дней0лайковвеса обновлены19 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.

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

hirohiroz/wav2vec2-base-timit-demo-google-colab-tryjpn — дообученная модель распознавания речи на архитектуре Wav2Vec2ForCTC. В README указана базовая модель facebook/wav2vec2-large-xlsr-53; датасет обозначен как None, поэтому назначение суффикса «timit-demo» по карточке подтвердить нельзя. Модель принимает аудио и преобразует речь в текст; в метаданных задача указана как automatic-speech-recognition. Размер — 404,1 млн параметров, формат весов — PyTorch.

Карточка не описывает языки, условия записи или целевые сценарии, поэтому поддержка японского по суффиксу «tryjpn» не подтверждена. На оценочном наборе указаны loss 5,1527 и WER 1,0, что свидетельствует о крайне низком качестве распознавания в этой оценке. Модель доступна по лицензии Apache-2.0.

Сценарии применения

  • экспериментальное распознавание речи в аудиозаписях
  • проверка распознавания речи на собственных аудиоданных
  • изучение и демонстрация работы Wav2Vec2 с CTC

Ограничения

В оценке из README указана ошибка WER 1,0, указывающая на очень слабое распознавание на этом наборе. Язык и целевой датасет не подтверждены карточкой.

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-base-timit-demo-google-colab-tryjpn

This model is a fine-tuned version of facebook/wav2vec2-large-xlsr-53 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 5.1527
  • Wer: 1.0

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: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • 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: 500
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
48.34746.6710068.08871.0
7.60113.332008.36671.0
4.910720.03005.69911.0
4.37926.674005.15271.0

Framework versions

  • Transformers 4.17.0
  • Pytorch 1.11.0+cu102
  • Datasets 1.18.3
  • 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
4c0fa27

0 моделей