Преобразованный чекпойнт wav2vec 2.0 Base, предварительно обученный на LibriSpeech и предназначенный для извлечения признаков из аудио.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
Это преобразованный в формат Hugging Face чекпойнт wav2vec 2.0 Base от Fairseq, подготовленный пользователем techsword. Модель с 113,3 млн параметров предварительно обучена примерно за 85 тысяч обновлений на 730-часовой подвыборке LibriSpeech; веса сохранены в safetensors. Конверсию выполнили официальным конвертером Transformers и проверили сравнением весов и результатов прямого прохода с исходной моделью Fairseq.
Модель предназначена для извлечения признаков из аудио и может служить основой для экспериментов и последующей настройки задач обработки речи. В README также упомянуты эксперименты с tone-probe. Для использования указана лицензия Apache 2.0.
Это чекпойнт предобучения, а не готовая модель распознавания речи; для конкретных задач может потребоваться дополнительная настройка. Предобучение описано для 730-часовой подвыборки LibriSpeech, поэтому перенос на другие аудиоданные отдельно не подтверждён.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Fairseq wav2vec2-base pretraining checkpoint (checkpoint_best, ~85000 updates), converted to HuggingFace format with the official transformers converter and verified (weight-level spot check + forward-pass comparison against the fairseq model; see conversion log). Pretrained on LibriSpeech (730 h subset).
Raw fairseq checkpoints: techsword/wav2vec2-base-english-librispeech730h-checkpoints Used in: tone-probe experiments, https://github.com/techsword/tone-encoding-in-speech-model
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…