/ Модель

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
hubert · dense
Базовая модель
hubert-large-ll60k
Опубликована
26 апр 2024

speech_ocean_hubert_mdd

Распознавание речиАудио → текст8 профессий

Дообученная HuBERT-Large модель для преобразования речи в аудио в текст.

83скачиваний за 30 дней0лайковвеса обновлены29 апр 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

nrshoudi/speech_ocean_hubert_mdd — модель автоматического распознавания речи, полученная дообучением HuBERT-Large facebook/hubert-large-ll60k. Она принимает аудио и преобразует речь в текст; архитектура на основе HuBERT с CTC-головой содержит 402,8 млн параметров. В README приведены результаты на тестовой выборке: WER 0,0517, CER 0,0499 и loss 0,2027.

Модель подходит для транскрибации аудиозаписей и распознавания речи в речевых интерфейсах. Язык и тематика обучающих данных не описаны, поэтому область языкового применения по имеющимся сведениям определить нельзя. Модель опубликована в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • транскрибация аудиозаписей
  • распознавание речи в голосовых интерфейсах
  • автоматическое получение текстовой расшифровки речи

Ограничения

Язык и обучающий датасет не указаны, поэтому приведённые метрики нельзя уверенно переносить на другие языки и условия записи. README не описывает intended use и дополнительные ограничения.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

speech_ocean_hubert_mdd

This model is a fine-tuned version of facebook/hubert-large-ll60k on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2027
  • Wer: 0.0517
  • Cer: 0.0499

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: 20
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
42.70690.98733936.72470.99920.9977
16.27872.0797.83151.01.0
6.78962.98731184.56451.01.0
4.01044.01583.86541.01.0
3.80374.98731973.80601.01.0
3.78986.02373.76951.01.0
3.77776.98732763.77171.01.0
3.74428.03163.73201.01.0
3.72868.98733553.69781.01.0
3.627210.03953.50891.01.0
3.092110.98734342.60680.99920.9997
2.255612.04741.68320.58800.6815
1.779112.98735131.21170.38610.4433
1.273114.05530.73380.17930.1505
0.959614.98735920.48920.12200.1005
0.715216.06320.35250.08920.0752
0.52116.98736710.28430.07040.0623
0.479118.07110.23510.06070.0568
0.399218.98737500.21200.05470.0523
0.424519.74687800.20270.05170.0499

Framework versions

  • Transformers 4.40.0
  • Pytorch 2.2.1+cu121
  • Datasets 2.19.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
HubertForCTC
Ревизия весов
1056d70

0 моделей