MS-ensemble-speech-recognition
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Microsoft
- Type d'organisation
- Industry
- Pays
- United States of America
- Publié
- 12 September 2016
- Auteurs
- Wayne Xiong, J. Droppo, Xuedong Huang, F. Seide, M. Seltzer, A. Stolcke, Dong Yu, G. Zweig
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Speech
- Tâche
- Speech recognition (ASR)
- Approche
- Supervised
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- paramètres
- 3.2B
- Données d'entraînement
- 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
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Closed — provider access only
- Accès au modèle
- Unreleased
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Pourquoi c'est suivi
- SOTA improvement
- Confiance d'enregistrement
- Likely
https://paperswithcode.com/sota/speech-recognition-on-switchboard-hub500
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- The microsoft 2016 conversational speech recognition system
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Contexte
MS-ensemble-speech-recognition a été publié par Microsoft, dans le pays enregistré comme United States of America, durant September 2016. L'organisation de publication est catégorisée comme industry.
Il fonctionne dans le domaine de Speech, et est enregistré comme exécutant la tâche de speech recognition (ASR).
Parce que les poids ne sont pas disponibles, aucune des spécifications matérielles ailleurs sur ce site ne s'applique à cela.
Qu'est-ce qui a été nécessaire pour le construire
L'entraînement a consommé un corpus d'environ 11,140,000,000 jetons de texte
Son critère d'inclusion : sOTA improvement.
Réponses
MS-ensemble-speech-recognition — questions courantes
MS-ensemble-speech-recognition— à quoi ça sert ?
Il fonctionne dans le domaine de Speech, et est enregistré comme gérant la tâche de speech recognition (ASR). Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
MS-ensemble-speech-recognition— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
MS-ensemble-speech-recognition— est-ce que c'est open source ?
Non. Ses poids n'ont pas été publiés, donc il n'existe que sous forme de service contrôlé par son propriétaire.
MS-ensemble-speech-recognition— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 3.2B. 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). Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
MS-ensemble-speech-recognition— qui l'a créé ?
Il a été publié par Microsoft, basé sur United States of America, une organisation catégorisée comme industry.
MS-ensemble-speech-recognition— quand a-t-il été publié ?
Il a été publié dans September 2016. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.