/ Модель

Характеристики

Параметры
403 млн
Архитектура
wavlm · dense

wavlm-libri-clean-100h-large

Распознавание речиАудио → текст5 профессий

Дообученная на чистой части LibriSpeech модель WavLM-Large для распознавания речи и транскрибации аудио в текст.

17 557скачиваний за 30 дней4лайкавеса обновлены17 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-large — модель распознавания речи на основе WavLM-Large, дообученная на чистой части датасета LibriSpeech ASR. Она предназначена для преобразования аудиозаписей речи в текст; архитектура использует CTC и содержит около 402,7 млн параметров. В README указаны результаты на оценочном наборе: WER 0,0491 и loss 0,0601.

Модель может подойти для транскрибации записей, близких по условиям к чистой речи LibriSpeech. Метаданные указывают на PyTorch и обработку аудио. README не сообщает лицензию и дополнительные ограничения, поэтому условия использования следует сверить с базовой моделью и датасетом.

Сценарии применения

  • транскрибация чистых англоязычных аудиозаписей
  • распознавание речи из аудиокниг и чтения вслух
  • оценка качества распознавания на задачах LibriSpeech
  • создание текстовых расшифровок речевых записей

Ограничения

Оценка приведена для чистой части LibriSpeech; качество на шумной речи, других акцентах и иных языках не установлено. Лицензия и подробные условия применения в README не описаны.

Для каких профессий подходит5

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-large

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

  • Loss: 0.0601
  • Wer: 0.0491

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: 2
  • eval_batch_size: 2
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 8
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • total_eval_batch_size: 16
  • 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
0.80690.343000.75100.5809
0.24830.676000.20230.1929
0.10331.019000.11230.1028
0.07421.3512000.08580.0771
0.0571.6815000.07220.0663
0.04212.0218000.06820.0582
0.08392.3521000.06300.0534
0.03072.6924000.06030.0508

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
e70e3a0

0 моделей