/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Опубликована
6 мая 2024

whisper-ATC-czech-full

Распознавание речиАудио → текст3 профессии

Дообученная Whisper Medium для дословной транскрипции чешских и английских радиопереговоров воздушного движения.

15скачиваний за 30 дней5лайковвеса обновлены9 мая 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

Whisper Medium ATC full — модель распознавания речи, созданная Вероникой Неваřиловой и Игором Шоке на факультете информационных технологий Брненского технического университета и опубликованная BUT FIT. Это дообученная версия openai/whisper-medium с архитектурой Whisper и 455,8 млн параметров.

Модель предназначена для дословной транскрипции чешских и английских радиопереговоров воздушного движения, в частности записей аэропорта LKKU. Обучающий набор включал около пяти часов записей, преимущественно на чешском языке; слова, позывные и числа сохраняются в транскрипции полностью. На тестовых записях LKKU и других аэропортов Чехии авторы сообщают WER 14,7% и 19,6% соответственно.

Модель принимает аудио и выдаёт текст. В метаданных указаны форматы PyTorch, TensorFlow и Flax, включая safetensors. Лицензия — Apache 2.0. Качество проверялось на ограниченном наборе радиопереговоров в Чехии, поэтому результаты могут отличаться на записях других регионов, языков и условий связи.

Сценарии применения

  • Транскрибирование переговоров диспетчеров и пилотов на чешском языке
  • Транскрибирование англоязычных радиопереговоров воздушного движения
  • Распознавание позывных и чисел в записях радиообмена
  • Подготовка текстовых расшифровок записей чешских аэропортов

Ограничения

Обучена примерно на пяти часах записей, преимущественно из LKKU; на записях других чешских аэропортов авторы сообщают более высокий WER. Поддержка словацкой речи в обучающих данных была эпизодической.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Medium ATC full

This model is a fine-tuned openai/whisper-medium on Czech and English air traffic communication recordings from Czech airport LKKU.

It was created as a product of bachelor's thesis at Faculty of Information Technology Brno University of Technology.

Model description

Usage

import torch
from transformers import pipeline

audio = "path/to/audio.xx"
device = "cuda:0" if torch.cuda.is_available() else "cpu"

transcribe = pipeline(task="automatic-speech-recognition", model="BUT-FIT/whisper-ATC-czech-full", chunk_length_s=30, device=device)
transcribe.model.config.forced_decoder_ids = transcribe.tokenizer.get_decoder_prompt_ids(task="transcribe", language="czech")
print('Transcription:', transcribe(audio)["text"])

Dataset

Training dataset was made of ~5 hours of air traffic communication recordings. Recordings were Czech and English (80:20) and sporadically Slovak.

Output format

The model was learned to transcribe every recording word by word. Transcription format of a recording is as follows:

Recording: Oscar Kilo Alpha Bravo Charlie dráha dva nula střední pro přistání volná vítr nula jedna nula stupňů pět uzlů

Transcription: Oscar Kilo Alpha Bravo Charlie dráha dva nula střední pro přistání volná vítr nula jedna nula stupňů pět uzlů

Note: See also model BUT-FIT/whisper-ATC-czech-short, which abbreviates callsigns and numbers.

Results

The model reached total WER of 14.7 % on unseen Czech and English LKKU recordings. 19.6 % WER was achieved on a testset containing Czech air traffic recordings from other airports, LKPR and LKTB.

WER of callsings in LKKU recordings was evaluated to be 6.2 %, while on LKPR and LKTB dataset the model reached 3.6 %.

Training hyperparameters

  • learning_rate: 3e-5
  • per_device_train_batch_size: 2
  • gradient_accumulation_steps: 8
  • warmup_ratio: 0.12
  • fp16: True
  • gradient_checkpointing: True
  • evaluation_strategy: "epoch"
  • save_strategy: "epoch"
  • load_best_model_at_end: True
  • metric_for_best_model: "wer"
  • num_train_epochs: 45

Contact

For further information don't hesitate to contact Veronika Nevarilova (xnevar00@stud.fit.vutbr.cz) or Igor Szoke (szoke@fit.vutbr.cz).

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
6245d82

0 моделей