/ Модель

Характеристики

Параметры
82 688
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense

wav2vec2_tiny_random_robust

Распознавание речиАудио → текст3 профессии

Тестовая модель Wav2Vec2 со случайной инициализацией для проверки конвейера автоматического распознавания английской речи.

1 540скачиваний за 30 дней0лайковвеса обновлены1 сен 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.

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

patrickvonplaten/wav2vec2_tiny_random_robust — тестовая модель на архитектуре Wav2Vec2, представленная автором как Test model. Она предназначена для проверки работы с задачей автоматического распознавания речи, а не для надёжного распознавания реальных аудиозаписей. В метаданных указаны 82,7 тыс. параметров, библиотечная экосистема Transformers и формат PyTorch; модель принимает аудио, язык карточки — английский. Датасет, указанный в метаданных, — LibriSpeech ASR.

Модель опубликована под лицензией Apache-2.0. README не описывает её качество или устойчивость; пометка tiny_random указывает на случайную инициализацию, поэтому практическое распознавание речи не следует ожидать.

Сценарии применения

  • проверка запуска конвейера распознавания речи
  • тестирование интеграции Transformers с аудиовходом
  • проверка загрузки модели PyTorch для ASR

Ограничения

Это тестовая модель со случайной инициализацией, поэтому она не предназначена для качественного распознавания речи. В README не приведены метрики качества.

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

Test model

To test this model run the following code:

from datasets import load_dataset
from transformers import Wav2Vec2ForCTC
import torchaudio
import torch

ds = load_dataset("patrickvonplaten/librispeech_asr_dummy", "clean", split="validation")

model = Wav2Vec2ForCTC.from_pretrained("patrickvonplaten/wav2vec2_tiny_random_robust")

def load_audio(batch):
    batch["samples"], _ = torchaudio.load(batch["file"])
    return batch
    
ds = ds.map(load_audio)

input_values = torch.nn.utils.rnn.pad_sequence([torch.tensor(x[0]) for x in ds["samples"][:10]], batch_first=True)

# forward
logits = model(input_values).logits
pred_ids = torch.argmax(logits, dim=-1)

# dummy loss
dummy_labels = pred_ids.clone()
dummy_labels[dummy_labels == model.config.pad_token_id] = 1  # can't have CTC blank token in label
dummy_labels = dummy_labels[:, -(dummy_labels.shape[1] // 4):] # make sure labels are shorter to avoid "inf" loss (can still happen though...)
loss = model(input_values, labels=dummy_labels).loss

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2Model
Ревизия весов
358ecf7

0 моделей