Segmental RNN
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- University of Edinburgh,Carnegie Mellon University (CMU),University of Washington
- Tipo di organizzazione
- Academia,Academia,Academia
- Paese
- United Kingdom of Great Britain and Northern Ireland, United States of America
- Pubblicato
- 20 June 2016
- Autori
- Liang Lu, Lingpeng Kong, Chris Dyer, Noah A. Smith, Steve Renals
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Speech
- Compito
- Speech recognition (ASR)
- Approccio
- Supervised
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- tokens
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Unknown
https://paperswithcode.com/sota/speech-recognition-on-timit
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Segmental Recurrent Neural Networks for End-to-end Speech Recognition
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
Segmental RNN è stato pubblicato da University of Edinburgh,Carnegie Mellon University (CMU),University of Washington, nel paese registrato come United Kingdom of Great Britain and Northern Ireland, durante June 2016. Esce da un'organizzazione categorizzata come academia,Academia,Academia.
Funziona nel dominio di Speech, ed è registrato come eseguire il compito di speech recognition (ASR).
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Addestramento e provenienza
È tracciato nel dataset sottostante per una ragione in particolare: sOTA improvement.
Risposte
Segmental RNN — domande comuni
Segmental RNN— chi l'ha creato?
È stato pubblicato da University of Edinburgh,Carnegie Mellon University (CMU),University of Washington, basato su United Kingdom of Great Britain and Northern Ireland, un'organizzazione categorizzata come academia,Academia,Academia.
Segmental RNN— quando è stato rilasciato?
È stato pubblicato in June 2016. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
Segmental RNN— A cosa serve?
Funziona nel dominio di Speech, e viene registrato come gestire il compito di speech recognition (ASR). Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
Segmental RNN— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
Segmental RNN— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Segmental RNN— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.