/ Модель

Характеристики

Параметры
113 млн
Архитектура
wavlm · dense

wavlm-libri-clean-100h-base-plus

Распознавание речиАудио → текст7 профессий

Модель WavLM, дообученная на чистой части LibriSpeech, преобразует аудиозаписи речи в текст.

2 527скачиваний за 30 дней4лайкавеса 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

patrickvonplaten/wavlm-libri-clean-100h-base-plus — модель распознавания речи, разработанная на основе WavLM Base Plus от Microsoft и дообученная на чистой части датасета LibriSpeech для автоматического распознавания речи. Это аудиомодель с архитектурой WavLMForCTC и 113,3 млн параметров; репозиторий содержит веса PyTorch.

Модель преобразует речь в текст и подходит для транскрибирования аудиозаписей, в частности речи из сценариев, похожих на LibriSpeech. В карточке приведены результаты оценки на тестовой выборке: loss 0,0819 и WER 0,0683. Сведения о поддерживаемых языках, ограничениях применения и лицензии в предоставленных источниках отсутствуют.

Сценарии применения

  • транскрибирование аудиокниг и чтения вслух
  • распознавание речи в записях на английском языке
  • преобразование аудиозаписей в текст для последующего поиска
  • автоматическая расшифровка речи в корпусах, похожих на LibriSpeech

Ограничения

Оценка WER 0,0683 приведена для тестовой выборки, поэтому качество на других типах аудио может отличаться. Лицензия и ограничения использования в предоставленных источниках не описаны.

Для каких профессий подходит7

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-plus

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

  • Loss: 0.0819
  • Wer: 0.0683

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
2.88770.343002.86491.0
0.28520.676000.21960.1830
0.11981.019000.14380.1273
0.09061.3512000.11450.1035
0.07291.6815000.10550.0955
0.06052.0218000.09360.0859
0.04022.3521000.08850.0746
0.04212.6924000.08480.0700

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
02c289c

0 моделей