/ Модель
Каталог

Характеристики

Параметры
403 млн
Архитектура
unispeech · dense

Ссылки

Hugging Face

unispeech-large-1500h-cv-timit

patrickvonplaten
Распознавание речиАудио → текст3 профессии

Дообученная на TIMIT_ASR - NA модель UniSpeech Large для распознавания речи в текст.

200скачиваний за 30 дней0лайковвеса обновлены27 окт 2021

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.

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

UniSpeech Large с архитектурой CTC, дообученная автором репозитория на наборе TIMIT_ASR - NA на основе microsoft/unispeech-large-1500h-cv. Модель предназначена для автоматического распознавания речи и преобразования аудиозаписей в текст; в метаданных указано около 402,7 млн параметров.

На оценочной выборке README сообщает Loss 0,3099 и WER 0,2196. Данные не уточняют поддерживаемые языки, условия записи и область применения набора TIMIT_ASR - NA, поэтому результаты нельзя уверенно переносить на другие наборы данных и сценарии. Репозиторий содержит веса в формате PyTorch; лицензия в предоставленных сведениях не указана.

Сценарии применения

  • транскрибация аудиозаписей из домена TIMIT
  • оценка качества распознавания речи на тестовых выборках
  • эксперименты с распознаванием речи на базе UniSpeech

Ограничения

В README не описаны ограничения, языки и условия применимости. Указанные метрики относятся к оценочной выборке TIMIT_ASR - NA и не гарантируют аналогичное качество на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

unispeech-large-1500h-cv-timit

This model is a fine-tuned version of microsoft/unispeech-large-1500h-cv on the TIMIT_ASR - NA dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3099
  • Wer: 0.2196

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: 32
  • eval_batch_size: 1
  • 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: 20.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
4.640.691003.97170.9981
2.67931.382002.62641.0
1.22212.073000.99990.7167
0.90092.764000.65090.5570
0.43523.455000.46820.4332
0.2274.146000.36610.3565
0.21694.837000.32440.3203
0.26875.528000.31370.2981
0.1276.219000.32200.2828
0.09226.910000.30750.2708
0.09657.5911000.27790.2576
0.12988.2812000.31110.2480
0.08558.9713000.30210.2421
0.06299.6614000.31220.2511
0.047110.3415000.29650.2368
0.087111.0316000.32470.2387
0.050311.7217000.33590.2363
0.040212.4118000.29760.2332
0.033613.119000.31390.2321
0.063413.7920000.31880.2309
0.042914.4821000.31450.2335
0.02815.1722000.32440.2242
0.025515.8623000.29140.2196
0.040616.5524000.32490.2202
0.051217.2425000.30370.2198
0.026917.9326000.32180.2242
0.028718.6227000.31060.2185
0.031919.3128000.31240.2217
0.049420.029000.30990.2196

Framework versions

  • Transformers 4.12.0.dev0
  • Pytorch 1.8.1
  • Datasets 1.14.1.dev0
  • Tokenizers 0.10.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
UniSpeechForCTC
Ревизия весов
084bb18

0 моделей

    Создать бенчмарк