/ Модель
Каталог

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
hubert · dense
Базовая модель
japanese-hubert-base
Библиотека
transformers
Опубликована
20 дек 2024

Ссылки

Hugging Face

Hubert-common_voice-phoneme-ctc_zero_infinity

utakumi
Распознавание речиАудио → текст3 профессии

HuBERT, дообученная на японском Common Voice 13.0 модель для распознавания японской речи.

17скачиваний за 30 дней0лайковвеса обновлены20 дек 2024

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.

Открыть конструктор бенчмарка

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

Модель utakumi/Hubert-common_voice-phoneme-ctc_zero_infinity — версия HuBERT, дообученная на японской части набора Mozilla Common Voice 13.0 для распознавания речи. Она использует архитектуру HubertForCTC и содержит 113,3 млн параметров; ожидаемый сценарий — преобразование японской речи в текст. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

На оценочной выборке указаны WER 1,0 и CER 0,1953. Высокий WER говорит о существенных ошибках при распознавании целых слов; результаты могут зависеть от данных и условий записи. Карточка не описывает ограничения применения и дополнительные сценарии.

Сценарии применения

  • распознавание японской речи из аудиозаписей
  • получение текстовой расшифровки японских речевых фрагментов
  • экспериментальная оценка японского ASR на данных Common Voice

Ограничения

На оценочной выборке указаны WER 1,0 и CER 0,1953, что указывает на слабое распознавание слов в этом тесте. Результаты на других данных не приведены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Hubert-common_voice-phoneme-ctc_zero_infinity

This model is a fine-tuned version of rinna/japanese-hubert-base on the MOZILLA-FOUNDATION/COMMON_VOICE_13_0 - JA dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5230
  • Wer: 1.0
  • Cer: 0.1953

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: 0.0003
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_steps: 12500
  • num_epochs: 20.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
No log0.266010018.23811.14711.8153
No log0.53192008.17261.00.9817
No log0.79793006.93861.00.9817
No log1.06384006.23891.00.9817
8.81781.32985005.46531.00.9817
8.81781.59576004.67451.00.9817
8.81781.86177003.97711.00.9817
8.81782.12778003.45791.00.9817
8.81782.39369003.17451.00.9817
3.68582.659610003.06751.00.9817
3.68582.925511003.03431.00.9817
3.68583.191512003.01021.00.9817
3.68583.457413002.99251.00.9817
3.68583.723414002.55951.00.9367
2.78913.989415001.54321.00.3742
2.78914.255316001.07991.00.2972
2.78914.521317000.86701.00.2639
2.78914.787218000.73501.00.2559
2.78915.053219000.67531.00.2468
0.91795.319120000.61711.00.2389
0.91795.585121000.58661.00.2386
0.91795.851122000.56491.00.2389
0.91796.117023000.53681.00.2321
0.91796.383024000.52251.00.2289
0.5636.648925000.50421.00.2293
0.5636.914926000.49181.00.2247
0.5637.180927000.48811.00.2208
0.5637.446828000.47871.00.2198
0.5637.712829000.46921.00.2181
0.44537.978730000.47331.00.2151
0.44538.244731000.45851.00.2147
0.44538.510632000.44631.00.2116
0.44538.776633000.41831.00.2055
0.44539.042634000.43080.99980.2032
0.35969.308535000.40701.00.2022
0.35969.574536000.42591.00.2024
0.35969.840437000.40381.00.1985
0.359610.106438000.42721.00.1976
0.359610.372339000.39610.99980.1969
0.294510.638340000.41801.00.1943
0.294510.904341000.39991.00.1975
0.294511.170242000.38791.00.1930
0.294511.436243000.37991.00.1918
0.294511.702144000.37640.99980.1927
0.260511.968145000.37251.00.1919
0.260512.234046000.39101.00.1919
0.260512.547000.38510.99960.1908
0.260512.766048000.41151.00.1906
0.260513.031949000.37791.00.1894
0.222313.297950000.39561.00.1904
0.222313.563851000.40011.00.1907
0.222313.829852000.38911.00.1948
0.222314.095753000.39401.00.1902
0.222314.361754000.40561.00.1909
0.21114.627755000.40000.99980.1929
0.21114.893656000.39261.00.1895
0.21115.159657000.38520.99980.1930
0.21115.425558000.38641.00.1886
0.21115.691559000.39510.99980.1909
0.198315.957460000.39511.00.1882
0.198316.223461000.40871.00.1918
0.198316.489462000.41501.00.1891
0.198316.755363000.40080.99980.1907
0.198317.021364000.42201.00.1943
0.182917.287265000.41541.00.1925
0.182917.553266000.44821.00.1959
0.182917.819167000.42170.99980.1939
0.182918.085168000.43830.99980.1916
0.182918.351169000.42261.00.1926
0.175718.617070000.41700.99980.1916
0.175718.883071000.41621.00.1918
0.175719.148972000.43500.99980.1910
0.175719.414973000.44031.00.2022
0.175719.680974000.43250.99980.1944
0.180119.946875000.54881.00.1977

Framework versions

  • Transformers 4.47.0.dev0
  • Pytorch 2.5.1+cu124
  • Datasets 3.1.0
  • Tokenizers 0.20.3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
HubertForCTC
Ревизия весов
fb6331b

0 моделей

    Создать бенчмарк