MS-ensemble-speech-recognition
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Microsoft
- Typ organizacji
- Industry
- Kraj
- United States of America
- Opublikowany
- 12 September 2016
- Autorzy
- Wayne Xiong, J. Droppo, Xuedong Huang, F. Seide, M. Seltzer, A. Stolcke, Dong Yu, G. Zweig
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Speech
- Zadanie
- Speech recognition (ASR)
- Podejście
- Supervised
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 3.2B
- Dane treningowe
- 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
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- SOTA improvement
- Zapisz pewność
- Likely
https://paperswithcode.com/sota/speech-recognition-on-switchboard-hub500
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- The microsoft 2016 conversational speech recognition system
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Tło
MS-ensemble-speech-recognition został opublikowany przez Microsoft, w kraju zapisanym jako United States of America, podczas September 2016. Organizacja publikująca jest klasyfikowana jako industry.
Działa w dziedzinie Speech, i jest zapisany jako wykonujący zadanie speech recognition (ASR).
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Co poszło w budowę tego
Trening zużył korpus około 11,140,000,000 Tokeny tekstu.
Kryterium włączenia: sOTA improvement.
Odpowiedzi
MS-ensemble-speech-recognition — częste pytania
MS-ensemble-speech-recognition— do czego to służy?
Działa w dziedzinie Speech, i jest zarejestrowany jako realizujący zadanie speech recognition (ASR). To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
MS-ensemble-speech-recognition— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
MS-ensemble-speech-recognition— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
MS-ensemble-speech-recognition— ile ma parametrów?
Ma liczbę parametrów równą 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). Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
MS-ensemble-speech-recognition— kto to stworzył?
Zostało opublikowane przez Microsoft, oparty na United States of America, organizacja sklasyfikowana jako industry.
MS-ensemble-speech-recognition— kiedy to zostało wydane?
Zostało opublikowane w September 2016. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.