MS-ensemble-speech-recognition
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, sodass es weder heruntergeladen noch auf Ihrer eigenen Hardware in irgendeiner Größe ausgeführt werden kann. Es ist nur über seinen Anbieter zugänglich, und keine Grafikkarte ändert daran etwas.
Aufzeichnung
Vollständige Spezifikation
Alles aufzeichnungsfähig für dieses Modell. Die meisten Informationen beschreiben, wie es trainiert wurde, anstatt wie es läuft — ein nützlicher Kontext, um zu beurteilen, wie viel Arbeit investiert wurde und wie es im Vergleich zu auf einer anderen Skala entwickelten Modellen abschneidet..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Microsoft
- Organisationstyp
- Industry
- Land
- United States of America
- Veröffentlicht
- 12 September 2016
- Autoren
- Wayne Xiong, J. Droppo, Xuedong Huang, F. Seide, M. Seltzer, A. Stolcke, Dong Yu, G. Zweig
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Speech
- Aufgabe
- Speech recognition (ASR)
- Ansatz
- Supervised
Größe
Wie groß das Modell ist und wie viele Daten es trainiert wurde. Die Parameter sind die Größe, die entscheidet, ob es auf eine bestimmte Grafikkarte passt.
- Parameter
- 3.2B
- Trainingsdaten
- 11,140,000,000 tokens
Large ensemble CNNs: 85000000 + 38000000 + 65000000 = 188000000 = 188M LSTMs: 40 / 140 input - 6*512 layers - 9000 / 27000 output 4*(140+512)*512 + 5*4*(512+512)*512 + 4*(512+27000)*27000=2983117056 LM: 1000*1000 = 1000000 + Embedding Total: 1000000+2983117056+188000000=3172117056 (underestimate because it doesn't account for embeddings)
2000h of audio data + 85M words of text data
Verfügbarkeit
Ob Sie das Modell erhalten und es auf Ihrer eigenen Hardware ausführen können, entscheidet darüber, ob eine der Grafikkartenfiguren auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
Wie es klassifiziert ist
Labels der Quelldatenbank, die beim Verfolgen bemerkenswerter Modelle angewendet werden, und wie zuversichtlich sie in den Eintrag ist.
- Warum es nachverfolgt wird
- SOTA improvement
- Aufzeichnungszuversicht
- Likely
https://paperswithcode.com/sota/speech-recognition-on-switchboard-hub500
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- The microsoft 2016 conversational speech recognition system
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Hintergrund
MS-ensemble-speech-recognition was published by Microsoft, in United States of America, in September 2016. The organisation is categorised as industry.
It works in Speech, and is recorded as doing speech recognition (ASR).
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Was in den Aufbau geflossen ist
Around 11,140,000,000 tokens went into training it.
Its inclusion criterion is sOTA improvement.
Antworten
MS-ensemble-speech-recognition — Häufig gestellte Fragen
What is MS-ensemble-speech-recognition used for?
MS-ensemble-speech-recognition works in Speech, and is recorded as handling speech recognition (ASR). These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run MS-ensemble-speech-recognition?
None. MS-ensemble-speech-recognition is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Ist MS-ensemble-speech-recognition Open Source?
No. MS-ensemble-speech-recognition has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does MS-ensemble-speech-recognition have?
MS-ensemble-speech-recognition has 3.2B parameters. Large ensemble CNNs: 85000000 + 38000000 + 65000000 = 188000000 = 188M LSTMs: 40 / 140 input - 6*512 layers - 9000 / 27000 output 4*(140+512)*512 + 5*4*(512+512)*512 + 4*(512+27000)*27000=2983117056 LM: 1000*1000 = 1000000 + Embedding Total: 1000000+2983117056+188000000=3172117056 (underestimate because it doesn't account for embeddings). That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created MS-ensemble-speech-recognition?
MS-ensemble-speech-recognition was published by Microsoft, based in United States of America, categorised as industry.
When was MS-ensemble-speech-recognition released?
MS-ensemble-speech-recognition was published in September 2016. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
Die andere Richtung
Wenn Sie es von der anderen Seite betrachten?
Diese Seite beginnt beim Modell. Wenn Sie bereits eine Karte besitzen und alles erfahren möchten, was es ausführen kann, Beginnen Sie stattdessen mit der Hardware.