Характеристики

Параметры: 113 млн
Архитектура: wav2vec2 · dense
Опубликована: 26 сен 2023

Ссылки

Hugging Face

wav2vec2-base-timit-phoneme-arpa-39

mostafaashahin

Распознавание речиАудио → текст3 профессии

Дообученная Wav2Vec2-модель преобразует аудиоречь в последовательности фонем ARPAbet для американского английского.

1 315скачиваний за 30 дней0лайковвеса обновлены26 сен 2023

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 mostafaashahin/wav2vec2-base-timit-phoneme-arpa-39 разработал пользователь Hugging Face Mostafa Shahin. Это модель распознавания речи на архитектуре Wav2Vec2ForCTC с примерно 113,3 млн параметров; она принимает аудиосигнал и предназначена для выдачи последовательностей фонем в наборе ARPAbet из 39 символов на основе речи из корпуса TIMIT. Модель загружается через Transformers как automatic-speech-recognition pipeline.

Конфигурация указывает на дообучение базовой facebook/wav2vec2-base под распознавание фонем. Назначение следует из имени модели, TIMIT и 39-фонемного словаря; карточка модели отсутствует, поэтому детали качества и точные условия обучения не описаны. Лицензия в доступных метаданных и карточке не указана.

Сценарии применения

распознавание фонем американского английского в аудиозаписях
фонетическая транскрипция речи в формате ARPAbet
эксперименты с распознаванием фонем на корпусе TIMIT

Ограничения

Модель ориентирована на фонемный вывод для ограниченного набора ARPAbet из 39 символов и не предназначена для обычной транскрипции слов. Карточка не содержит сведений об оценке качества или условиях лицензии.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей 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.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Автор не опубликовал карточку модели.

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: 55496c2