/ Модель

Характеристики

Параметры
113 млн
Архитектура
wav2vec2 · dense
Опубликована
24 янв 2023

ccc-wav2vec2-base-SUPERB

Распознавание речи

Самоконтролируемая Wav2Vec2-модель, предварительно обученная на LibriSpeech для извлечения речевых представлений и последующего дообучения для распознавания речи.

14скачиваний за 30 дней1лайквеса обновлены24 янв 2023

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

ccc-Wav2Vec2-Base — базовая самоконтролируемая модель для предварительного обучения речевых представлений, разработанная Vasista Sai Lodagala, Sreyan Ghosh и S. Umesh. Она основана на архитектуре Wav2Vec2 и обучена на 960 часах аудио LibriSpeech с частотой дискретизации 16 кГц. В методе обучения используются кластеризация и межконтрастная функция потерь с аугментациями, чтобы повысить устойчивость к похожим отрицательным примерам.

Модель принимает речевое аудио и формирует акустические представления. Для распознавания речи её необходимо дополнить токенизатором и дообучить на размеченных текстовых данных: готового токенизатора в репозитории нет. В статье сообщается об улучшении относительного WER на LibriSpeech и Switchboard по сравнению с базовой Wav2Vec 2.0. Репозиторий содержит веса PyTorch; условия лицензии в предоставленных данных не описаны.

Сценарии применения

  • извлечение акустических представлений из речи
  • подготовка модели для распознавания английской речи после дообучения
  • эксперименты с самоконтролируемым предобучением речи
  • дообучение на размеченных речевых данных для ASR

Ограничения

Для распознавания речи нужны отдельный токенизатор и дообучение на размеченных текстовых данных; входное аудио должно иметь частоту 16 кГц. В предоставленных материалах лицензия не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ccc-Wav2Vec2-Base (Pre-trained on LibriSpeech-960h)

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

Note: This model does not have a tokenizer as it was pretrained on audio alone. In order to use this model speech recognition, a tokenizer should be created and the model should be fine-tuned on labeled text data. Check out this blog for more in-detail explanation of how to fine-tune the model.

Paper

Authors: Vasista Sai Lodagala, Sreyan Ghosh, S. Umesh

Abstract While Self-Supervised Learning has helped reap the benefit of the scale from the available unlabeled data, the learning paradigms are continuously being bettered. We present a new pre-training strategy named ccc-wav2vec 2.0, which uses clustering and an augmentation-based cross-contrastive loss as its self-supervised objective. Through the clustering module, we scale down the influence of those negative examples that are highly similar to the positive. The Cross-Contrastive loss is computed between the encoder output of the original sample and the quantizer output of its augmentation and vice-versa, bringing robustness to the pre-training strategy. ccc-wav2vec 2.0 achieves up to 15.6% and 12.7% relative WER improvement over the baseline wav2vec 2.0 on the test-clean and test-other sets, respectively, of LibriSpeech, without the use of any language model. The proposed method also achieves up to 14.9% relative WER improvement over the baseline wav2vec 2.0 when fine-tuned on Switchboard data. GitHub Page: https://github.com/speech-lab-iitm/ccc-wav2vec-2.0.

Usage

See this notebook for more information on how to fine-tune the model.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры
Wav2Vec2ForPreTraining
Ревизия весов
6e0ce56

0 моделей