GigaAM/ctc/ctc_model_config.yaml

model_class: enc_dec_ctc_char
sample_rate: 16000
log_prediction: true
ctc_reduction: mean_batch
labels:
- ' '
- а
- б
- в
- г
- д
- е
- ж
- з
- и
- й
- к
- л
- м
- н
- о
- п
- р
- с
- т
- у
- ф
- х
- ц
- ч
- ш
- щ
- ъ
- ы
- ь
- э
- ю
- я

preprocessor:
  _target_: __main__.AudioToMelSpectrogramPreprocessor
  sample_rate: 16000
  n_fft: 400
  n_window_size: 400
  window_size: null
  n_window_stride: 160
  window_stride: null
  features: 64
  dither: 0.0
  preemph: null
  log: true
  log_zero_guard_type: clamp
  normalize: null
  pad_to: 0
  mel_norm: null
  window: hann
  log_zero_guard_value: 1e-9

train_ds:
  batch_size: 10
  trim_silence: false
  max_duration: 25.0
  min_duration: 0.1
  shuffle: true
  is_tarred: false
  num_workers: 8
  pin_memory: true
  manifest_filepath: null
  labels:
  - ' '
  - а
  - б
  - в
  - г
  - д
  - е
  - ж
  - з
  - и
  - й
  - к
  - л
  - м
  - н
  - о
  - п
  - р
  - с
  - т
  - у
  - ф
  - х
  - ц
  - ч
  - ш
  - щ
  - ъ
  - ы
  - ь
  - э
  - ю
  - я

validation_ds:
  batch_size: 20
  shuffle: false
  num_workers: 4
  min_duration: 0.1
  pin_memory: true
  manifest_filepath: null
  labels:
  - ' '
  - а
  - б
  - в
  - г
  - д
  - е
  - ж
  - з
  - и
  - й
  - к
  - л
  - м
  - н
  - о
  - п
  - р
  - с
  - т
  - у
  - ф
  - х
  - ц
  - ч
  - ш
  - щ
  - ъ
  - ы
  - ь
  - э
  - ю
  - я
  
test_ds:
  manifest_filepath: null
  batch_size: 100
  shuffle: false
  num_workers: 4
  pin_memory: true
  labels:
  - ' '
  - а
  - б
  - в
  - г
  - д
  - е
  - ж
  - з
  - и
  - й
  - к
  - л
  - м
  - н
  - о
  - п
  - р
  - с
  - т
  - у
  - ф
  - х
  - ц
  - ч
  - ш
  - щ
  - ъ
  - ы
  - ь
  - э
  - ю
  - я
spec_augment:
  _target_: nemo.collections.asr.modules.SpectrogramAugmentation
  freq_masks: 2
  time_masks: 10
  freq_width: 27
  time_width: 0.05
encoder:
  _target_: nemo.collections.asr.modules.ConformerEncoder
  feat_in: 64
  feat_out: -1
  n_layers: 16
  d_model: 768
  subsampling: striding
  subsampling_factor: 4
  subsampling_conv_channels: 768
  ff_expansion_factor: 4
  self_attention_model: rel_pos
  pos_emb_max_len: 5000
  n_heads: 16
  xscaling: false
  untie_biases: true
  conv_kernel_size: 31
  dropout: 0.1
  dropout_emb: 0.1
  dropout_att: 0.1
decoder:
  _target_: nemo.collections.asr.modules.ConvASRDecoder
  feat_in: 768
  num_classes: 33
  vocabulary:
  - ' '
  - а
  - б
  - в
  - г
  - д
  - е
  - ж
  - з
  - и
  - й
  - к
  - л
  - м
  - н
  - о
  - п
  - р
  - с
  - т
  - у
  - ф
  - х
  - ц
  - ч
  - ш
  - щ
  - ъ
  - ы
  - ь
  - э
  - ю
  - я
optim:
  name: adamw
  lr: 5.0e-05
  betas:
  - 0.9
  - 0.98
  weight_decay: 0.01
  sched:
    name: CosineAnnealing
    warmup_steps: 10000
    warmup_ratio: null
    min_lr: 1.0e-07
nemo_version: 1.12.0
decoding:
  strategy: greedy
  preserve_alignments: null
  compute_timestamps: null
  word_seperator: ' '
  ctc_timestamp_type: all
  batch_dim_index: 0
  greedy:
    preserve_alignments: false
    compute_timestamps: false