Listen, Attend and Spell

Pesos cerrados Google,Carnegie Mellon University (CMU) August 2015

Sin estimación

Sin requisitos de hardware para este modelo

Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..

En registro

especificación completa

Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..

Origen

Quién construyó este modelo, dónde, y cuándo fue publicado.

Organización
Google,Carnegie Mellon University (CMU)
Tipo de Organización
Industry,Academia
País
United States of America
Publicado
20 August 2015
Autores
William Chan, Navdeep Jaitly, Quoc Le, Oriol Vinyals

Lo que hace

Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.

Dominio
Speech
Tarea
Speech recognition (ASR)

Tamaño

Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.

Datos de entrenamiento
tokens

Disponibilidad

Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.

Pesos
Closed — provider access only
Acceso al modelo
Unreleased
Código de entrenamiento
Unreleased

Cómo está clasificado

Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.

Confianza de registro
Unknown
Citas
2,369

Fuentes

De dónde proviene este registro y cuándo fue comprobado por última vez.

Referencia
Listen, attend and spell: A neural network for large vocabulary conversational speech recognition
Última actualización
1 January 2026

Qué significan los números

Qué es este modelo

Listen, Attend and Spell fue publicado por Google,Carnegie Mellon University (CMU), en el país registrado como United States of America, durante August 2015. La organización editora está clasificada como industry,Academia.

Funciona en el dominio de Speech, y se registra como realizando la tarea de speech recognition (ASR).

Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.

Respuestas

Listen, Attend and Spell — preguntas comunes

01

Listen, Attend and Spell— ¿Quién lo creó?

Fue publicado por Google,Carnegie Mellon University (CMU), basado en United States of America, una organización categorizada como industry,Academia.

02

Listen, Attend and Spell— ¿cuándo fue lanzado?

Se publicó en August 2015. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.

03

Listen, Attend and Spell— ¿Para qué se utiliza?

Funciona en el dominio de Speech, y se registra como manejando la tarea de speech recognition (ASR). Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.

04

Listen, Attend and Spell— ¿Qué GPU necesito para ejecutarlo?

Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.

05

Listen, Attend and Spell— ¿Es de código abierto?

No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.

06

Listen, Attend and Spell— ¿cuántos parámetros tiene?

No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.

Origen

Publicación original

Última actualización registrada 1 January 2026

La otra dirección

¿Mirándolo desde el otro lado?

Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.