ContextNet
Geen schatting
Geen hardwarevereisten voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of op uw eigen hardware worden uitgevoerd in welke omvang dan ook. Het is alleen toegankelijk via de provider, en geen grafische kaart verandert dat.
Op record
Volledige specificatie
Alles over dit model vastgelegd. Het meeste beschrijft hoe het getraind is in plaats van hoe het draait — nuttige context om te beoordelen hoeveel werk erin gestoken is en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd.
Oorsprong
Wie heeft dit model gebouwd, waar en wanneer het werd gepubliceerd.
- Organisatie
- Organisatie type
- Industry
- Land
- United States of America
- Gepubliceerd
- 7 May 2020
- Auteurs
- Wei Han, Zhengdong Zhang, Yu Zhang, Jiahui Yu, Chung-Cheng Chiu, James Qin, Anmol Gulati, Ruoming Pang, Yonghui Wu
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.
- Domein
- Speech
- Taak
- Speech recognition (ASR)
Grootte
Hoe groot het model is en hoeveel data erop is getraind. Parameters zijn de cijfers die bepalen of het op een bepaalde grafische kaart past.
- Parameters
- 112.7M
- Opleidingsgegevens
- 349,200,000 tokens
Table 5
970 hours of speech in the LibreSpeech experiments. There is mention of a "large scale experiment" which trained on audio from YouTube videos. Tracing the references, it appears to be similar to the dataset used in https://arxiv.org/abs/1610.09975, which has 125,000 hours of transcribed audio for training. However, they mention in footnote 2 that the training and evaluation set have changed from previous experiments. 125k hours at 13,680 words per hour = 1.71B words
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Model toegang
- Unreleased
- Trainingscode
- Unreleased
Hoe het is geclassificeerd
Labels de bron dataset toepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Waarom het wordt gevolgd
- SOTA improvement
- Vereiste vertrouwen
- Likely
- Citaties
- 302
"We demonstrate that on the widely used Librispeech benchmark, ContextNet achieves a word error rate (WER) of 2.1%/4.6% without external language model (LM), 1.9%/4.1% with LM and 2.9%/7.0% with only 10M parameters on the clean/noisy LibriSpeech test sets. This compares to the best previously published model of 2.0%/4.6% with LM and 3.9%/11.3% with 20M parameters"
Bronnen
Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.
- Referentie
- ContextNet: Improving Convolutional Neural Networks for Automatic Speech Recognition with Global Context
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Wat dit model is
ContextNet was published by Google, in United States of America, in May 2020. The organisation is categorised as industry.
It works in Speech, and is recorded as doing speech recognition (ASR).
Omdat de gewichten niet beschikbaar zijn, zijn geen van de hardwarecijfers elders op deze site op dit van toepassing.
Wat erin is gestopt om het te bouwen
The training set ran to roughly 349,200,000 tokens.
It is tracked in the underlying dataset for one reason in particular: sOTA improvement.
Antwoorden
ContextNet — Veelgestelde vragen
How many parameters does ContextNet have?
ContextNet has 112.7M parameters. Table 5. 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 ContextNet?
ContextNet was published by Google, based in United States of America, categorised as industry.
When was ContextNet released?
ContextNet was published in May 2020. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is ContextNet used for?
ContextNet 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 ContextNet?
None. ContextNet 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.
Is ContextNet open source?
No. ContextNet has not had its weights published, so it exists only as a service controlled by its owner.
De andere richting
Vanuit het andere perspectief bekijken?
Deze pagina begint bij het model. Als u al een kaart bezit en alles wilt weten wat het zal uitvoeren, Begin liever bij de hardware.