/ Модель

Характеристики

Параметры
113 млн
Лицензия
MIT
Архитектура
hubert · dense
Библиотека
transformers
Опубликована
24 окт 2024

mhubert-base-25hz

ЭмбеддингиТекст → embedding3 профессии

Многоязычная HuBERT-модель извлекает речевые признаки с частотой 25 Гц для токенизации речи и обучения речевых языковых моделей.

4 632скачиваний за 30 дней4лайкавеса обновлены10 янв 2025

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 «Эмбеддинги» — 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

slprl/mhubert-base-25hz — это преобразованная SLP-RL версия многоязычной модели HuBERT от Meta, представленной в работе TWIST. Модель содержит 113,3 млн параметров и реализована как HubertModel в Transformers; веса Safetensors конвертированы из исходного выпуска Textlesslib, а результаты сверены с оригиналом.

Модель предназначена для извлечения речевых признаков с частотой 25 Гц и токенизации речи, в частности для обучения языковых моделей речи и преобразования стиля говорения. Она обучалась на смеси многоязычных наборов данных, включая Multilingual LS, Vox Populi, Common Voice, Spotify и Fisher. Лицензия — MIT; подробности условий также приведены в лицензии Textlesslib.

Сценарии применения

  • извлечение признаков из речевых сигналов
  • токенизация речи для обучения SpeechLM
  • подготовка речевых представлений для языкового моделирования речи
  • преобразование стиля говорения

Ограничения

Для использования требуется Transformers версии 4.48 или новее. Это базовая модель для извлечения признаков, а не готовая система распознавания речи или генерации речи.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for mhubert-base-25hz

This is a version of Hubert by Meta. This version was introduced in TWIST and showed lots of value as a speech tokeniser for training SpeechLMs.

These model weights were converted by SLP-RL from the original Textlesslib release.

Model Details

Model Description

This Hubert model was introduced in TWIST we encourage you to look there for the full details.

It was trained on a varied mixture of datasets: Multilingual LS, Vox Populi, Common Voice, Spotify, and Fisher. This Hubert base model was trained for 3 iterations with the default 50Hz features rate. For the 4-th iteration, they add an additional convolutional layer at the CNN Encoder with the stride 2, resulting in features of 25Hz.

We converted the original Fairseq release to Huggingface🤗 using the conversion script, after adding support, and asserted that the results are identical.

  • Developed by: Hassid et. al
  • Shared by: SLP-RL
  • Model type: transformers.HubertModel
  • Languages: Multi-lingual
  • License: MIT, see textlesslib license for full details

Model Sources

Uses

This is a base HubertModel and as such is useful as a feature extractor for speech tokenisation for usages such as Spoken Language Modelling or Speaking Style Conversion.

How to Get Started with the Model

This model requires a new version of transformers - transformers>=4.48, so make sure you have it installed. Afterwards it can be used as follows:

from transformers import HubertModel
model = HubertModel.from_pretrained('slprl/mhubert-base-25hz')

Citation

BibTeX:

@article{hassid2024textually,
  title={Textually pretrained speech language models},
  author={Hassid, Michael and Remez, Tal and Nguyen, Tu Anh and Gat, Itai and Conneau, Alexis and Kreuk, Felix and Copet, Jade and Defossez, Alexandre and Synnaeve, Gabriel and Dupoux, Emmanuel and others},
  journal={Advances in Neural Information Processing Systems},
  volume={36},
  year={2024}
}

Model Card Authors

Gallil Maimon

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
HubertModel
Ревизия весов
a319086

0 моделей