/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-large-xlsr-53
Опубликована
20 дек 2024

wav2vec2-finetuned-pronunciation-correction

Распознавание речиАудио → текст3 профессии

Дообученная wav2vec 2.0 модель распознаёт английскую речь и выдаёт фонетическую транскрипцию для анализа произношения.

103скачиваний за 30 дней12лайковвеса обновлены20 дек 2024

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

Модель moxeeeem/wav2vec2-finetuned-pronunciation-correction — дообученная версия wav2vec 2.0 Large XLSR-53 для анализа произношения на уровне фонем. Она принимает речь и выводит транскрипцию в фонетической записи, что подходит для выявления и разбора особенностей произношения. Архитектура — Wav2Vec2ForCTC, размер — 402,7 млн параметров; модель рассчитана на английский язык и работает с аудиовходом. В карточке указана CER 0,1, но не приведены условия измерения этой метрики. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • получение фонетической транскрипции английской речи
  • анализ произношения английских фонем
  • поиск ошибок произношения в устной речи

Ограничения

Карточка не описывает условия оценки CER 0,1, используемый фонетический алфавит или охват акцентов; качество коррекции произношения за пределами транскрипции не подтверждено.

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 Fine-Tuned for Pronunciation Correction

This is a fine-tuned Wav2Vec2 model for phoneme-level pronunciation correction. It analyzes speech and provides transcriptions in phonetic notation.

CER = 0.1

Usage

from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor
import librosa
import torch

# Load model and processor
model = Wav2Vec2ForCTC.from_pretrained("moxeeeem/wav2vec2-finetuned-pronunciation-correction")
processor = Wav2Vec2Processor.from_pretrained("moxeeeem/wav2vec2-finetuned-pronunciation-correction")

def transcribe_audio(speech, sampling_rate):
    inputs = processor(speech, sampling_rate=sampling_rate, return_tensors="pt")
    with torch.no_grad():
        logits = model(inputs.input_values).logits
    pred_ids = torch.argmax(logits, dim=-1)
    return processor.batch_decode(pred_ids)[0]

speech, sample_rate = librosa.load("example_audio.wav", sr=16000)
transcription = transcribe_audio(speech, sample_rate)
print("Transcription:", transcription) # example: pɪŋɡwɪnz lɪv nɪ ði aɪsi ænɑɹtɪk

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
29eedba

0 моделей