/ Модель

Характеристики

Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo
Библиотека
transformers
Опубликована
14 окт 2024

Belle-whisper-large-v3-turbo-zh

Распознавание речиАудио → текст6 профессий

Дообученная на китайской речи модель Whisper для транскрибирования аудио с повышенной точностью на нескольких китайских ASR-бенчмарках.

7 113скачиваний за 30 дней79лайковвеса обновлены16 дек 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-whisper-large-v3-turbo-zh — модель распознавания речи на основе Whisper, разработанная командой BELLE-2. Она прошла полное дообучение модели openai/whisper-large-v3-turbo для повышения точности распознавания китайской речи. В карточке заявлено относительное улучшение на 24–64% на китайских тестах AISHELL-1, AISHELL-2, WenetSpeech и HKUST по сравнению с исходной моделью.

Модель принимает аудио с частотой дискретизации 16 кГц и выдаёт текст с распознанной речью. Она предназначена для транскрибирования китайской речи; в обучающие данные добавлялись знаки препинания, сформированные отдельной моделью punc_ct-transformer_cn-en-common-vocab471067-large. Модель содержит 905,2 млн параметров, использует архитектуру Whisper и доступна в форматах PyTorch и Safetensors для библиотеки Transformers.

Ограничение заявленного улучшения состоит в том, что оно относится к указанным китайским тестовым наборам; карточка не приводит оценок на других языках или в иных условиях записи. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибирование китайской речи в аудиозаписях
  • распознавание китайской речи на тестах AISHELL
  • транскрибирование китайских подкастов и записей
  • распознавание речи на китайских совещаниях
  • подготовка китайских текстовых расшифровок со знаками препинания

Ограничения

Заявленные улучшения подтверждены для перечисленных китайских тестовых наборов; карточка не приводит оценок качества для других языков и условий записи.

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-whisper-large-v3-turbo-zh

Fine tune whisper-large-v3-turbo-zh to enhance Chinese speech recognition capabilities, Belle-whisper-large-v3-turbo-zh demonstrates a 24-64% relative improvement in performance to whisper-large-v3-turbo on Chinese ASR benchmarks, including AISHELL1, AISHELL2, WENETSPEECH, and HKUST.

Same to Belle-whisper-large-v3-zh-punct, the punctuation marks come from model punc_ct-transformer_cn-en-common-vocab471067-large, and are added to the training datasets.

Usage


from transformers import pipeline

transcriber = pipeline(
  "automatic-speech-recognition", 
  model="BELLE-2/Belle-whisper-large-v3-turbo-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-whisper-large-v3-turbo-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(%) ↓

ModelLanguage Tagaishell_1_test(↓)aishell_2_test(↓)wenetspeech_net(↓)wenetspeech_meeting(↓)HKUST_dev(↓)
whisper-large-v3Chinese8.0855.47511.7220.1528.597
whisper-large-v3-turboChinese8.6396.01413.50720.31337.324
Belle-whisper-large-v3-turbo-zhChinese3.0704.11410.23013.35718.944

It is worth mentioning that compared to whisper-large-v3 and whisper-large-v3-turbo, Belle-whisper-large-v3-turbo-zh has a significant improvement.

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 · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
7bfc7e7

0 моделей