/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
speech-encoder-decoder · dense

wav2vec2-2-bart-large-no-adapter-frozen-enc

Распознавание речиАудио → текст3 профессии

Модель SpeechEncoderDecoderModel для преобразования аудио в текст, обученная с нуля на LibriSpeech ASR.

21скачиваний за 30 дней0лайковвеса обновлены22 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.

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

Это модель распознавания речи с архитектурой SpeechEncoderDecoderModel: аудиокодировщик связан с текстовым декодером. По карточке, модель обучена с нуля на наборе LibriSpeech ASR. Она предназначена для преобразования речи в текст. В метаданных указаны входные аудиоданные и задача automatic-speech-recognition; размер модели, поддерживаемые языки и длина контекста не приведены.

На оценочном наборе LibriSpeech указаны loss 18,7898 и WER 1,0, что указывает на крайне низкое качество распознавания в приведённой оценке. Модель опубликована в формате PyTorch. Сведения о лицензии и условиях использования в доступных данных отсутствуют.

Сценарии применения

  • эксперименты с распознаванием речи на LibriSpeech
  • преобразование аудиозаписей речи в текст
  • оценка качества моделей автоматического распознавания речи

Ограничения

В указанной оценке WER равен 1,0, поэтому результаты распознавания крайне низкие. Лицензия и условия использования не приведены.

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

This model was trained from scratch on the librispeech_asr dataset. It achieves the following results on the evaluation set:

  • Loss: 18.7898
  • Wer: 1.0

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
  • gradient_accumulation_steps: 2
  • total_train_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
6.53960.285009.04011.0120
5.8980.5610009.31991.0
4.95950.8415008.44341.4563
5.70821.12200015.18051.0000
5.43771.4250015.79841.0021
5.59411.68300018.49281.0
5.06621.96350017.48861.0000
4.83632.24400018.94581.0
4.79082.52450018.27941.0006
4.6792.8500018.78981.0

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.2+cu113
  • Datasets 1.18.3
  • Tokenizers 0.11.0

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
SpeechEncoderDecoderModel
Ревизия весов
ebabff2

0 моделей