/ Модель

Характеристики

Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Опубликована
24 апр 2024

whisper-large-v3-lv-late-cv17

Распознавание речиАудио → текст10 профессий

Дообученная AiLab.lv версия Whisper large-v3 для транскрибации латышской речи в текст.

95скачиваний за 30 дней2лайкавеса обновлены21 окт 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AiLab.lv дообучила Whisper large-v3 для распознавания латышской речи. Модель принимает аудио и преобразует его в текст; её обучали на 209 часах латышских записей из Common Voice 17.0 и LATE-Media с помощью Transformers. Это плотная encoder-decoder модель WhisperForConditionalGeneration примерно с 905 млн параметров, опубликованная в форматах PyTorch и safetensors. Для Common Voice 17.0 указаны WER 3,4% на нормализованном тесте и 5,0% на форматированном; на тесте LATE-Media WER составляет 20,8%. Модель распространяется по лицензии Apache-2.0. Авторы отмечают, что её сменила более новая версия whisper-large-v3-lv-late-cv19.

Сценарии применения

  • транскрибация латышских аудиозаписей
  • распознавание латышской речи в радио- и телепередачах
  • автоматическая расшифровка латышских голосовых сообщений

Ограничения

Качество зависит от типа записи: на тесте LATE-Media WER составил 20,8%, заметно выше результатов на Common Voice. Модель заменена более новой версией whisper-large-v3-lv-late-cv19.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

General-purpose Latvian ASR model

This is a fine-tuned whisper-large-v3 model for Latvian, trained by AiLab.lv using two general-purpose speech datasets: the Latvian part of Common Voice 17.0, and a Latvian broadcast dataset LATE-Media.

We also provide 4-bit, 5-bit and 8-bit quantized versions of the model in the GGML format for the use with whisper.cpp, as well as an 8-bit quantized version for the use with CTranslate2.

NB! This model is superseded by a newer version: whisper-large-v3-lv-late-cv19

Training

Fine-tuning was done using the Hugging Face Transformers library with a modified seq2seq script.

Training dataHours
Latvian Common Voice 17.0 train set (the V1 split)167
LATE-Media 1.0 train set42
Total209

Evaluation

Testing dataWERCER
Latvian Common Voice 17.0 test set (V1) - formatted5.01.6
Latvian Common Voice 17.0 test set (V1) - normalized3.41.0
LATE-Media 1.0 test set - formatted20.88.2
LATE-Media 1.0 test set - normalized14.15.9

The Latvian CV 17.0 test set is available here. The LATE-Media 1.0 test set is available here.

Citation

Please cite this paper if you use this model in your research:

@inproceedings{dargis-etal-2024-balsutalka-lv,
  author = {Dargis, Roberts and Znotins, Arturs and Auzina, Ilze and Saulite, Baiba and Reinsone, Sanita and Dejus, Raivis and Klavinska, Antra and Gruzitis, Normunds},
  title = {{BalsuTalka.lv - Boosting the Common Voice Corpus for Low-Resource Languages}},
  booktitle = {Proceedings of the Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING)},
  publisher = {ELRA and ICCL},
  year = {2024},
  pages = {2080--2085},
  url = {https://aclanthology.org/2024.lrec-main.187}
}

Acknowledgements

This work was supported by the EU Recovery and Resilience Facility project Language Technology Initiative (2.3.1.1.i.0/1/22/I/CFLA/002) in synergy with the State Research Programme project LATE (VPP-LETONIKA-2021/1-0006). We are grateful to all the participants of the national initiative BalsuTalka.lv for helping to make the Latvian Common Voice dataset much larger and more diverse.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
3a27dc1

0 моделей