/ Модель

Характеристики

Параметры
113 млн
Архитектура
wavlm · dense

wavlm-libri-clean-100h-base

Распознавание речиАудио → текст6 профессий

Дообученная модель WavLM для преобразования английской речи из чистых записей LibriSpeech в текст.

29скачиваний за 30 дней1лайквеса обновлены20 дек 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

Модель patrickvonplaten/wavlm-libri-clean-100h-base — дообученная версия microsoft/wavlm-base для автоматического распознавания речи. Она использует архитектуру WavLMForCTC и содержит 113,3 млн параметров. Модель обучена на чистой части набора LibriSpeech ASR и предназначена для преобразования речи в текст.

На указанном в карточке наборе для оценки модель показала WER 0,0675 и loss 0,0829. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

Сценарии применения

  • транскрибация чистых записей речи на английском
  • распознавание аудиокниг и чтения вслух
  • получение текстовой расшифровки аудиозаписей LibriSpeech

Ограничения

Оценка приведена для чистой части LibriSpeech; качество на шумной речи, других акцентах и языках в карточке не описано. Лицензия в предоставленных данных не указана.

Для каких профессий подходит6

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

wavlm-libri-clean-100h-base

This model is a fine-tuned version of microsoft/wavlm-base on the LIBRISPEECH_ASR - CLEAN dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0829
  • Wer: 0.0675

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: 4
  • eval_batch_size: 4
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • total_train_batch_size: 32
  • total_eval_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: 3.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
2.88050.343002.86861.0
0.24590.676000.18580.1554
0.11141.019000.13790.1191
0.08671.3512000.11300.0961
0.06981.6815000.10320.0877
0.06632.0218000.09590.0785
0.04512.3521000.08870.0748
0.03922.6924000.08590.0698

Framework versions

  • Transformers 4.15.0.dev0
  • Pytorch 1.9.0+cu111
  • Datasets 1.16.2.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
WavLMForCTC
Ревизия весов
4b5f3af

0 моделей