/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
hubert · dense

hubert-base-superb-ic

Классификация текстаТекст → label3 профессии

HuBERT, дообученная для классификации намерений в английских речевых командах по действию, объекту и месту.

131скачиваний за 30 дней0лайковвеса обновлены6 сен 2021

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

superb/hubert-base-superb-ic — версия HuBERT, перенесённая из S3PRL для классификации намерений в речи в рамках бенчмарка SUPERB. Модель дообучена на базе hubert-base-ls960, предварительно обученной на речевых аудиозаписях с частотой 16 кГц; для входного аудио требуется такая же частота дискретизации. Размер модели — 113,3 млн параметров, формат весов — PyTorch.

Модель присваивает высказываниям метки намерений: действие, объект и место. Она предназначена для распознавания намерений в устных командах и сценариев голосового управления. В тесте SUPERB на наборе Fluent Speech Commands указана точность 0,9834 для S3PRL; результат для Transformers не приведён. Карточка не описывает поддержку языков помимо английского. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • определение намерения в голосовой команде
  • классификация устной команды по действию, объекту и месту
  • распознавание команд для голосового управления

Ограничения

Для входного аудио требуется частота дискретизации 16 кГц. Результат 0,9834 относится к тесту SUPERB и реализации S3PRL; метрика для Transformers не приведена.

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

Hubert-Base for Intent Classification

Model description

This is a ported version of S3PRL's Hubert for the SUPERB Intent Classification task.

The base model is hubert-base-ls960, which is pretrained on 16kHz sampled speech audio. When using the model make sure that your speech input is also sampled at 16Khz.

For more information refer to SUPERB: Speech processing Universal PERformance Benchmark

Task and dataset description

Intent Classification (IC) classifies utterances into predefined classes to determine the intent of speakers. SUPERB uses the Fluent Speech Commands dataset, where each utterance is tagged with three intent labels: action, object, and location.

For the original model's training and evaluation instructions refer to the S3PRL downstream task README.

Usage examples

You can use the model directly like so:

import torch
import librosa
from datasets import load_dataset
from transformers import HubertForSequenceClassification, Wav2Vec2FeatureExtractor

def map_to_array(example):
    speech, _ = librosa.load(example["file"], sr=16000, mono=True)
    example["speech"] = speech
    return example

# load a demo dataset and read audio files
dataset = load_dataset("anton-l/superb_demo", "ic", split="test")
dataset = dataset.map(map_to_array)

model = HubertForSequenceClassification.from_pretrained("superb/hubert-base-superb-ic")
feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained("superb/hubert-base-superb-ic")

# compute attention masks and normalize the waveform if needed
inputs = feature_extractor(dataset[:4]["speech"], sampling_rate=16000, padding=True, return_tensors="pt")

logits = model(**inputs).logits

action_ids = torch.argmax(logits[:, :6], dim=-1).tolist()
action_labels = [model.config.id2label[_id] for _id in action_ids]

object_ids = torch.argmax(logits[:, 6:20], dim=-1).tolist()
object_labels = [model.config.id2label[_id + 6] for _id in object_ids]

location_ids = torch.argmax(logits[:, 20:24], dim=-1).tolist()
location_labels = [model.config.id2label[_id + 20] for _id in location_ids]

Eval results

The evaluation metric is accuracy.

s3prltransformers
test0.9834N/A

BibTeX entry and citation info

@article{yang2021superb,
  title={SUPERB: Speech processing Universal PERformance Benchmark},
  author={Yang, Shu-wen and Chi, Po-Han and Chuang, Yung-Sung and Lai, Cheng-I Jeff and Lakhotia, Kushal and Lin, Yist Y and Liu, Andy T and Shi, Jiatong and Chang, Xuankai and Lin, Guan-Ting and others},
  journal={arXiv preprint arXiv:2105.01051},
  year={2021}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Для архитектуры hubert нет загрузчика под задачу text-classification.

Класс архитектуры
HubertForSequenceClassification
Ревизия весов
34e16bf

0 моделей