/ Модель

Характеристики

Параметры
113 млн
Лицензия
CC BY-NC-SA 4.0
Архитектура
hubert · dense
Опубликована
21 фев 2024

mHuBERT-147-base-2nd-iter

ЭмбеддингиТекст → embedding3 профессии

Многоязычная модель HuBERT для извлечения речевых признаков из аудио и построения последующих речевых систем.

902скачиваний за 30 дней3лайкавеса обновлены23 янв 2025

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 «Эмбеддинги» — 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

mHuBERT-147 — компактная многоязычная модель извлечения речевых признаков, разработанная в рамках европейского проекта UTTER. Это вторая итерация модели на архитектуре HuBERT base: в README указано 95 млн параметров, а метаданные репозитория сообщают 113,3 млн. Модель обучена на 90 тысячах часов открытых данных для 147 языков с использованием дискретных речевых единиц, полученных с помощью faiss IVF. В репозитории представлены исходный чекпойнт Fairseq, конвертированный чекпойнт для Hugging Face Transformers и индекс Faiss.

Модель предназначена для извлечения представлений из речи и может служить основой для последующих речевых систем, включая распознавание речи и определение языка. В README сообщается о высоких результатах на лидербордах ML-SUPERB, в том числе о сильных результатах для задач определения языка. Поддержка охватывает 147 языков; в метаданных перечислены лишь часть языковых кодов. Лицензия — CC BY-NC-SA 4.0, которая требует указания авторства, распространения производных материалов на тех же условиях и ограничивает коммерческое использование.

Сценарии применения

  • извлечение представлений из многоязычной речи
  • подготовка признаков для систем распознавания речи
  • определение языка звучащей речи
  • исследование представлений речи для малоресурсных языков

Ограничения

Это экстрактор признаков, а не готовая система транскрипции или синтеза речи: для таких задач потребуется отдельная модель или дополнительное обучение. README и метаданные указывают разное число параметров: 95 млн и 113,3 млн соответственно.

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 repository contains the SECOND ITERATION mHuBERT-147 model. The best mHuBERT-147 model is available here.

MODEL DETAILS: 2nd iteration, K=1000, HuBERT base architecture (95M parameters), 147 languages.

Table of Contents:

  1. Summary
  2. Training Data and Code
  3. ML-SUPERB Scores
  4. Languages and Datasets
  5. Citing and Funding Information

mHuBERT-147 models

mHuBERT-147 are compact and competitive multilingual HuBERT models trained on 90K hours of open-license data in 147 languages. Different from traditional HuBERTs, mHuBERT-147 models are trained using faiss IVF discrete speech units. Training employs a two-level language, data source up-sampling during training. See more information in our paper.

This repository contains:

  • Fairseq checkpoint (original);
  • HuggingFace checkpoint (conversion using transformers library);
  • Faiss index for continuous pre-training (OPQ16_64,IVF1000_HNSW32,PQ16x4fsr).

Related Models:

Training

ML-SUPERB Scores

mHubert-147 reaches second and first position in the 10min and 1h leaderboards respectively. We achieve new SOTA scores for three LID tasks. See more information in our paper.

image/png

Languages and Datasets

Datasets: For ASR/ST/TTS datasets, only train set is used.

Languages present not indexed by Huggingface: Asturian (ast), Basaa (bas), Cebuano (ceb), Central Kurdish/Sorani (ckb), Hakha Chin (cnh), Hawaiian (haw), Upper Sorbian (hsb) Kabyle (kab), Moksha (mdf), Meadow Mari (mhr), Hill Mari (mrj), Erzya (myv), Taiwanese Hokkien (nan-tw), Sursilvan (rm-sursilv), Vallader (rm-vallader), Sakha (sah), Santali (sat), Scots (sco), Saraiki (skr), Tigre (tig), Tok Pisin (tpi), Akwapen Twi (tw-akuapem), Asante Twi (tw-asante), Votic (vot), Waray (war), Cantonese (yue).

Citing and Funding Information

@inproceedings{boito2024mhubert,
author={Marcely Zanon Boito, Vivek Iyer, Nikolaos Lagos, Laurent Besacier, Ioan Calapodescu},
title={{mHuBERT-147: A Compact Multilingual HuBERT Model}},
year=2024,
booktitle={Interspeech 2024},
}

For more information please visit https://he-utter.eu/

NAVER LABS Europe: https://europe.naverlabs.com/

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
HubertModel
Ревизия весов
cee24a1

0 моделей