LF-MMI
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti pro tento model nebyly zveřejněny, takže jej nelze stáhnout ani spustit na vlastním hardwaru v žádné velikosti. Je dostupný pouze prostřednictvím svého poskytovatele, a žádná změna grafické karty to nezmění..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- Johns Hopkins University,Cornell University
- Typ organizace
- Academia,Academia
- Země
- United States of America
- Publikováno
- 8 September 2016
- Autoři
- Daniel Povey, Vijayaditya Peddinti, Daniel Galvez, Pegah Ghahremani, Vimal Manohar, Xingyu Na, Yiming Wang, S. Khudanpur
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Speech
- Úkol
- Speech recognition (ASR)
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 16.6M
- Výcviková data
- 720,000 tokens
Largest model: TDNN-A: 16.6 million parameters (Table 2)
300hr of audio, number of words unclear
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Closed — provider access only
- Přístup k modelu
- Unreleased
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Proč je to sledováno
- Highly cited,SOTA improvement
- Záznam důvěry
- Confident
SOTA on Speech Recognition on WSJ eval92
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Purely sequence-trained neural networks for ASR based on lattice-free MMI
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Co je tento MODEL
LF-MMI byl zveřejněn Johns Hopkins University,Cornell University, v zemi zaznamenané jako United States of America, během September 2016. Vydavatelská organizace je kategorizována jako academia,Academia.
funguje v oblasti Speech, a je zaznamenán jako vykonávající úkol speech recognition (ASR).
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Co bylo zapotřebí k jeho vybudování
Tréninková sada běžela na přibližně 720,000 tokeny textu
Důvod, proč se to v tomto katalogu vůbec objevuje: highly cited,SOTA improvement.
Odpovědi
LF-MMI — běžné otázky
LF-MMI— K čemu se to používá?
funguje v oblasti Speech, a je zaznamenáno jako zpracovávající úkol speech recognition (ASR). Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
LF-MMI— Jakou GPU potřebuji k jejímu spuštění?
Žádné. Toto je uzavřený model — jeho váhy nikdy nebyly zveřejněny, takže jej nelze stáhnout nebo spustit na vlastním hardwaru za žádnou cenu. Je dostupný pouze prostřednictvím jeho poskytovatele.
LF-MMI— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
LF-MMI— kolik má parametrů?
Má počet parametrů 16.6M. Largest model: TDNN-A: 16.6 million parameters (Table 2). Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
LF-MMI— Kdo to vytvořil?
Bylo to publikováno společností Johns Hopkins University,Cornell University, zakládající se na United States of America, organizace zařazená jako academia,Academia.
LF-MMI— Kdy byl vydán?
Bylo to zveřejněno v September 2016. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.