/ Модель
Каталог

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
18 апр 2023

Ссылки

Hugging Face

wav2vec2-base-timit-ms

saribalgar
Распознавание речиАудио → текст7 профессий

Дообученная Wav2Vec2-модель для преобразования аудиоречи в текст.

12скачиваний за 30 дней0лайковвеса обновлены11 мая 2023

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

saribalgar/wav2vec2-base-timit-ms — дообученная модель распознавания речи на архитектуре Wav2Vec2ForCTC, основанная на facebook/wav2vec2-base. Она принимает аудио и преобразует речь в текст; карточка сообщает метрики на оценочной выборке: loss 0,7589 и WER 0,3722. Модель содержит 113,3 млн параметров и опубликована в формате PyTorch.

Модель распространяется по лицензии Apache-2.0. В README набор данных назван None, а описание сценариев применения и ограничений отсутствует, поэтому область обучения и поддерживаемые языки по доступным данным определить нельзя.

Сценарии применения

  • автоматическая расшифровка аудиозаписей
  • преобразование устной речи в текст
  • оценка качества распознавания речи по WER

Ограничения

Язык и состав обучающих данных по карточке установить нельзя; на оценочной выборке указана WER 0,3722. README не описывает ограничения и условия применения.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-timit-ms

This model is a fine-tuned version of facebook/wav2vec2-base on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7589
  • Wer: 0.3722

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: 0.0001
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1000
  • num_epochs: 80
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
4.00883.75002.48731.0
1.04517.4110000.92860.5470
0.408111.1115000.59350.4397
0.256414.8120000.65250.4292
0.18318.5225000.65780.4486
0.148122.2230000.67860.4231
0.129925.9335000.66600.4121
0.104429.6340000.77130.4209
0.095333.3345000.67280.4038
0.074637.0450000.71220.4165
0.062740.7455000.69500.4126
0.055444.4460000.82370.4082
0.049448.1565000.73110.3955
0.042651.8570000.77170.3899
0.036855.5675000.74900.3933
0.031559.2680000.70560.3877
0.027462.9685000.78970.3850
0.023766.6790000.77150.3850
0.022370.3795000.77740.3789
0.017774.07100000.75980.3744
0.018277.78105000.75890.3722

Framework versions

  • Transformers 4.24.0
  • Pytorch 2.0.0+cu118
  • Datasets 1.18.3
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
f55cb3c

0 моделей

    Создать бенчмарк