/ Модель

Характеристики

Контекст
512 токенов
Архитектура
speech-encoder-decoder · dense

wav2vec2-2-bert-large-no-adapter

Распознавание речиАудио → текст3 профессии

Модель на архитектуре SpeechEncoderDecoderModel, обученная на LibriSpeech ASR для преобразования речи в текст.

37скачиваний за 30 дней1лайквеса 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.

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

speech-seq2seq/wav2vec2-2-bert-large-no-adapter — модель распознавания речи, обученная с нуля на наборе LibriSpeech ASR. По метаданным, это плотная архитектура типа SpeechEncoderDecoderModel, работающая с аудиовходом; репозиторий содержит веса PyTorch. В карточке указана оценка WER 1,7858 на тестовом наборе, однако единица измерения и методика оценки не пояснены.

Модель предназначена для преобразования речи в текст, в частности для распознавания аудиозаписей на материале LibriSpeech. Описание не содержит сведений о поддерживаемых языках, размере модели, длине контекста или практических сценариях использования. Лицензия в предоставленных данных не указана.

Сценарии применения

  • транскрибация аудиозаписей из LibriSpeech
  • распознавание речи в англоязычных аудиозаписях LibriSpeech
  • экспериментальная оценка распознавания речи на LibriSpeech

Ограничения

Карточка не описывает ограничения и целевые сценарии применения, а указанная оценка WER приведена без пояснения методики и единиц. Обучение проводилось на LibriSpeech ASR, поэтому качество на других данных не подтверждено.

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: 6.9251
  • Wer: 1.7858

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
  • 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
6.64870.285006.83541.4719
6.56620.5610006.78770.9371
6.43090.8415006.76401.1317
6.71231.1220006.79071.9354
6.75471.425006.78301.8854
6.67261.6830006.82111.9203
6.65381.9635006.84441.8235
6.56932.2440006.88731.8606
6.72342.5245006.86491.8126
6.51042.850006.92511.7858

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
87fdda5

0 моделей