/ Модель

Характеристики

Контекст
1 024 токена
Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Опубликована
29 дек 2023

Belle-distilwhisper-large-v2-zh

Распознавание речиАудио → текст6 профессий

Дообученная модель Whisper для распознавания китайской речи и преобразования аудиозаписей в текст.

227скачиваний за 30 дней38лайковвеса обновлены21 июн 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

Belle-distilwhisper-large-v2-zh — модель распознавания речи, разработанная BELLE-2 на основе distilwhisper-large-v2 и дообученная для улучшения распознавания китайской речи. Это плотная модель семейства Whisper с архитектурой WhisperForConditionalGeneration и примерно 905,2 млн параметров; для работы с аудио использует частоту дискретизации 16 кГц.

Модель предназначена для преобразования китайской речи в текст, в том числе в записях с тестовых наборов AISHELL-1, AISHELL-2, WenetSpeech и HKUST. В README указано, что она в 5,8 раза быстрее whisper-large-v2 и имеет на 51% меньше параметров; приведённые результаты CER зависят от тестового набора и не показывают улучшение на каждом из них.

Модель доступна в формате PyTorch и распространяется по лицензии Apache-2.0. Карточка не приводит длину контекста или отдельные сведения о поддержке других языков, поэтому здесь они не заявляются.

Сценарии применения

  • транскрибация китайской речи
  • распознавание китайской речи в записях встреч
  • расшифровка китайских телефонных разговоров
  • транскрибация аудио на наборах AISHELL и WenetSpeech
  • распознавание китайской речи в аудио с частотой 16 кГц

Ограничения

Модель предназначена для распознавания китайской речи; подтверждений её качества для других языков в карточке нет. Результаты CER различаются между наборами данных, и заявленное преимущество перед whisper-large-v2 не сохраняется на всех тестах.

Для каких профессий подходит6

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

Welcome

If you find this model helpful, please like this model and star us on https://github.com/LianjiaTech/BELLE and https://github.com/shuaijiang/Whisper-Finetune

Belle-distilwhisper-large-v2-zh

Fine tune distilwhisper-large-v2 to enhance Chinese speech recognition capabilities.

Similar to distilwhisper-large-v2, Belle-distilwhisper-large-v2-zh is 5.8 times faster and has 51% fewer parameters compared to whisper-large-v2.

Despite having 51% fewer parameters, Belle-distilwhisper-large-v2-zh achieves a relative improvement of -3% to 35% over whisper-large-v2.

It's important to note that the original distilwhisper-large-v2 cannot transcribe Chinese (it only outputs English).

Usage


from transformers import pipeline

transcriber = pipeline(
  "automatic-speech-recognition", 
  model="BELLE-2/Belle-distilwhisper-large-v2-zh"
)

transcriber.model.config.forced_decoder_ids = (
  transcriber.tokenizer.get_decoder_prompt_ids(
    language="zh", 
    task="transcribe"
  )
)

transcription = transcriber("my_audio.wav") 

Fine-tuning

Model(Re)Sample RateTrain DatasetsFine-tuning (full or peft)
Belle-distilwhisper-large-v2-zh16KHzAISHELL-1 AISHELL-2 WenetSpeech HKUSTfull fine-tuning

If you want to fine-thuning the model on your datasets, please reference to the github repo

CER(%) ↓

ModelParameters(M)Language Tagaishell_1_test( ↓ )aishell_2_test( ↓ )wenetspeech_net ( ↓ )wenetspeech_meeting( ↓ )HKUST_dev( ↓ )
whisper-large-v21550Chinese8.818%6.183%12.343%26.413%31.917%
distilwhisper-large-v2756Chinese-----
Belle-distilwhisper-large-v2-zh756Chinese5.958%6.477%12.786%17.039%20.771%

Citation

Please cite our paper and github when using our code, data or model.

@misc{BELLE,
  author = {BELLEGroup},
  title = {BELLE: Be Everyone's Large Language model Engine},
  year = {2023},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/LianjiaTech/BELLE}},
}

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
4fcdfe1

0 моделей