/ Модель
Каталог

Характеристики

Параметры
113 млн
Архитектура
wavlm · dense

Ссылки

Hugging Face

wavLM-VLSP-vi-base

phongdtd
Распознавание речиАудио → текст3 профессии

Дообученная модель WavLM для преобразования аудиоречи в текст.

15скачиваний за 30 дней0лайковвеса обновлены21 фев 2022

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

wavLM-VLSP-vi-base — модель распознавания речи, разработанная путём дообучения microsoft/wavlm-base-plus на наборе PHONGDTD/VINDATAVLSP - NA. Она использует архитектуру WavLMForCTC и содержит 113,3 млн параметров. Модель принимает аудио и преобразует речь в текст; карточка указывает задачу автоматического распознавания речи.

На указанной оценочной выборке модель получила WER 0,9995 и CER 0,9414, что свидетельствует о слабом качестве распознавания в этой оценке. Данных о поддерживаемых языках, длине контекста и специальных сценариях применения нет. Модель распространяется в формате PyTorch; сведения о лицензии в использованных источниках отсутствуют.

Сценарии применения

  • транскрибация аудиозаписей
  • распознавание речи из набора VLSP-Vi
  • экспериментальная оценка качества ASR-моделей

Ограничения

На оценочной выборке указаны высокие ошибки распознавания: WER 0,9995 и CER 0,9414. Язык модели и условия лицензирования не установлены по использованным материалам.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейII.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

wavLM-VLSP-vi-base

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

  • Loss: 3.0390
  • Wer: 0.9995
  • Cer: 0.9414

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: 3e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 2
  • total_train_batch_size: 16
  • 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: 40.0
  • mixed_precision_training: Native AMP

Training results

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.0+cu111
  • Datasets 1.18.3
  • 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
04ba95e

0 моделей

    Создать бенчмарк