/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
7 мар 2025

izanami-wav2vec2-large

ЭмбеддингиТекст → embedding3 профессии

Японская wav2vec 2.0 Large, предварительно обученная на аудио телепередач для извлечения признаков речи.

17скачиваний за 30 дней5лайковвеса обновлены29 июл 2026

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

imprt/izanami-wav2vec2-large — японская модель wav2vec 2.0 Large, предварительно обученная на 62 215 часах аудио японских телевизионных передач. Для подготовки аудиосигнала используется AutoFeatureExtractor из Transformers; модель предназначена для извлечения речевых признаков, которые могут служить входом для последующей обработки речи. Обучение выполнено с использованием кода официального репозитория wav2vec 2.0.

Модель ориентирована на японскую речь и принимает аудио, ожидаемая частота дискретизации в примере использования — 16 кГц. Репозиторий содержит веса PyTorch. Лицензия указана как other, поэтому конкретные условия использования зависят от лицензии, предоставленной автором.

Сценарии применения

  • извлечение признаков из японской речи
  • подготовка аудио для последующей обработки речи
  • создание входных представлений речи для речевых систем

Ограничения

Модель предварительно обучена на японском аудио телепередач, поэтому её применимость к другим языкам и типам аудио не установлена. Лицензия обозначена как other; перед использованием следует проверить условия в репозитории.

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

imprt/izanami-wav2vec2-large

This is a Japanese wav2vec2.0 Large model pre-trained using 62215 hours of audio extracted from large-scale Japanese TV broadcast audio data by voice activity detection.
This model was trained using code from the official repository.

Usage

import soundfile as sf
from transformers import AutoFeatureExtractor
model = "imprt/izanami-wav2vec2-large"
feature_extractor = AutoFeatureExtractor.from_pretrained(model)
audio_file="/path/to/16k_audio_file"
audio_input, sr = sf.read(audio_file)
feature_extractor(audio_input, sampling_rate=sr)

References

@inproceedings{NEURIPS2020_92d1e1eb,
    author = {Baevski, Alexei and Zhou, Yuhao and Mohamed, Abdelrahman and Auli, Michael},
    booktitle = {Advances in Neural Information Processing Systems},
    editor = {H. Larochelle and M. Ranzato and R. Hadsell and M.F. Balcan and H. Lin},
    pages = {12449--12460},
    publisher = {Curran Associates, Inc.},
    title = {wav2vec 2.0: A Framework for Self-Supervised Learning of Speech Representations},
    url = {https://proceedings.neurips.cc/paper_files/paper/2020/file/92d1e1eb1cd6f9fba3227870bb6d7f07-Paper.pdf},
    volume = {33},
    year = {2020}
}

License / Terms

Read LICENSE when you use this model.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
0811942

0 моделей