Характеристики

Параметры: 403 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Опубликована: 2 апр 2022

Ссылки

Hugging Face

wav2vec_asr_swbd_10_epochs

itaihay

Распознавание речиАудио → текст3 профессии

Дообученная Wav2Vec2-модель для преобразования речи в текст, показавшая высокий уровень ошибок на указанной оценке.

22скачиваний за 30 дней0лайковвеса обновлены5 апр 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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 itaihay/wav2vec_asr_swbd_10_epochs — дообученная версия facebook/wav2vec2-large-robust-ft-swbd-300h для автоматического распознавания речи. Она принимает аудио и выдаёт текст; архитектура основана на Wav2Vec2ForCTC, число параметров — 402,7 млн. Репозиторий создан в 2022 году и содержит веса PyTorch.

В README указана оценка WER 0,9627 на наборе для оценки, что свидетельствует о слабом качестве распознавания в этом тесте. Данные обучения и подробные ограничения в карточке не описаны. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

экспериментальное распознавание английской речи из аудиозаписей
транскрибирование речи для оценки качества ASR-моделей
изучение дообучения Wav2Vec2 на задаче распознавания речи

Ограничения

На указанном в README наборе оценки WER составляет 0,9627, то есть качество распознавания низкое. Данные обучения и другие характеристики ограничений не раскрыты.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec_asr_swbd_10_epochs

This model is a fine-tuned version of facebook/wav2vec2-large-robust-ft-swbd-300h on an unknown dataset. It achieves the following results on the evaluation set:

Loss: nan
Wer: 0.9627

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_steps: 1000
num_epochs: 10
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer
1.0682	0.22	5000	0.7383	0.4431
0.9143	0.44	10000	0.7182	0.4058
0.8905	0.66	15000	0.6291	0.3987
0.8354	0.87	20000	0.5976	0.3954
0.7749	1.09	25000	0.5773	0.3901
0.7336	1.31	30000	0.5812	0.3871
0.7314	1.53	35000	0.5802	0.3895
0.0	1.75	40000	nan	0.9627
0.0	1.97	45000	nan	0.9627
0.0	2.19	50000	nan	0.9627
0.0	2.4	55000	nan	0.9627
0.0	2.62	60000	nan	0.9627
0.0	2.84	65000	nan	0.9627
0.0	3.06	70000	nan	0.9627
0.0	3.28	75000	nan	0.9627
0.0	3.5	80000	nan	0.9627
0.0	3.72	85000	nan	0.9627
0.0	3.93	90000	nan	0.9627
0.0	4.15	95000	nan	0.9627
0.0	4.37	100000	nan	0.9627
0.0	4.59	105000	nan	0.9627
0.0	4.81	110000	nan	0.9627
0.0	5.03	115000	nan	0.9627
0.0	5.25	120000	nan	0.9627
0.0	5.46	125000	nan	0.9627
0.0	5.68	130000	nan	0.9627
0.0	5.9	135000	nan	0.9627
0.0	6.12	140000	nan	0.9627
0.0	6.34	145000	nan	0.9627
0.0	6.56	150000	nan	0.9627
0.0	6.78	155000	nan	0.9627
0.0	7.0	160000	nan	0.9627
0.0	7.21	165000	nan	0.9627
0.0	7.43	170000	nan	0.9627
0.0	7.65	175000	nan	0.9627
0.0	7.87	180000	nan	0.9627
0.0	8.09	185000	nan	0.9627
0.0	8.31	190000	nan	0.9627
0.0	8.53	195000	nan	0.9627
0.0	8.74	200000	nan	0.9627
0.0	8.96	205000	nan	0.9627
0.0	9.18	210000	nan	0.9627
0.0	9.4	215000	nan	0.9627
0.0	9.62	220000	nan	0.9627
0.0	9.84	225000	nan	0.9627

Framework versions

Transformers 4.17.0
Pytorch 1.11.0+cu113
Datasets 1.18.4
Tokenizers 0.11.6

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: 93a7d67

Характеристики

Ссылки

wav2vec_asr_swbd_10_epochs

Бенчмарки

Тесты пользователейпока нет

Добавьте модель в бенчмарк

Опишите свои задачи

Запустите и опубликуйте

Публичные оценки

Что умеет модель

Сценарии применения

Ограничения

Для каких профессий подходит3

Карточка модели

wav2vec_asr_swbd_10_epochs

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Как запустить