/ Модель

Характеристики

Параметры
403 млн
Лицензия
MIT
Архитектура
wav2vec2-bert · dense
Базовая модель
w2v-bert-2.0
Опубликована
16 янв 2024

wav2vec2-bert-CV16-en-libri

Распознавание речиАудио → текст6 профессий

Модель на базе facebook/w2v-bert-2.0 распознаёт английскую речь, обучена на чистой части LIBRISPEECH_ASR.

25скачиваний за 30 дней2лайкавеса обновлены23 янв 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.

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

wav2vec2-bert-CV16-en-libri — модель распознавания речи, дообученная на базе facebook/w2v-bert-2.0 на чистой части набора LIBRISPEECH_ASR. Она использует архитектуру Wav2Vec2BertForCTC и содержит около 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст; карточка указывает английское направление по названию модели.

В README приведены результаты оценки: WER 0,0708 и CER 0,0194 на оценочном наборе. Модель распространяется по лицензии MIT. Подробности о сценариях применения, контексте записи и известных ограничениях в карточке не раскрыты.

Сценарии применения

  • транскрибация чистых аудиозаписей английской речи
  • получение текстовой расшифровки аудиокниг
  • распознавание речи на записях для оценки качества транскрибации

Ограничения

Заявленные метрики получены на чистом оценочном наборе LibriSpeech; качество на шумной речи и других акустических условиях не описано. Карточка не приводит подробных сведений о назначении и ограничениях модели.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-bert-CV16-en-libri

This model is a fine-tuned version of facebook/w2v-bert-2.0 on the LIBRISPEECH_ASR - CLEAN dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1035
  • Wer: 0.0708
  • Cer: 0.0194

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: 3e-05
  • train_batch_size: 12
  • eval_batch_size: 12
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 3
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 72
  • total_eval_batch_size: 36
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 10000
  • num_epochs: 7.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepCerValidation LossWer
2.88120.632501.00002.89231.0
1.28991.265000.25631.14710.7030
0.52761.897500.11270.46870.4114
0.33132.5210000.06590.28700.2577
0.20893.1612500.04450.20790.1766
0.16343.7915000.03660.16870.1411
0.15464.4217500.14520.11380.0294
0.12455.0520000.13160.09730.0260
0.13415.6822500.11960.08670.0234
0.09426.3125000.11280.07940.0213
0.08486.9427500.10770.07170.0197

Framework versions

  • Transformers 4.37.0.dev0
  • Pytorch 2.1.0+cu121
  • Datasets 2.16.1
  • Tokenizers 0.15.0

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2BertForCTC
Ревизия весов
df5885a

0 моделей