/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-Medium
Опубликована
22 окт 2023

whisper-medium-sanskrit-try-2

Распознавание речиАудио → текст

Дообученная версия Whisper Medium для распознавания речи и преобразования аудио в текст.

12скачиваний за 30 дней0лайковвеса обновлены30 окт 2023

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 sanskrit try — модель распознавания речи Bidit Sadhukhan, дообученная на базе openai/whisper-Medium на наборе данных load_data. Она использует архитектуру WhisperForConditionalGeneration и содержит 455,8 млн параметров. Модель предназначена для преобразования аудио в текст; карточка приводит результаты оценки на тестовом наборе: loss 0,1326 и WER 24,8767.

Модель опубликована в формате PyTorch под лицензией Apache-2.0. Название указывает на работу с санскритом, однако карточка не описывает языковой состав данных и не приводит подробностей о сценариях использования или известных ограничениях качества.

Сценарии применения

  • транскрибация речи на санскрите
  • преобразование аудиозаписей в текст
  • оценка качества распознавания речи на тестовом наборе

Ограничения

Язык и состав обучающих данных не описаны подробно; приведённый WER 24,8767 относится к указанному тестовому набору и не гарантирует такое же качество на других данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper medium sanskrit try - Bidit Sadhukhan

This model is a fine-tuned version of openai/whisper-Medium on the load_data dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1326
  • Wer: 24.8767

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 6.25e-06
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: reduce_lr_on_plateau
  • lr_scheduler_warmup_steps: 500
  • training_steps: 10000

Training results

Training LossEpochStepValidation LossWer
0.07080.235000.123935.9144
0.05160.4710000.109331.4377
0.04920.715000.103128.9836
0.04720.9320000.100327.9471
0.0271.1725000.107827.6726
0.02461.430000.095925.6948
0.02861.6335000.100025.3138
0.02351.8640000.098025.1513
0.01132.145000.103524.4453
0.0172.3350000.103825.0896
0.01712.5655000.103825.1121
0.0172.860000.110525.5603
0.00653.0365000.118225.4370
0.00783.2670000.124725.2409
0.01113.575000.130426.5464
0.01023.7380000.119125.8909
0.01553.9685000.114225.2073
0.0064.290000.126924.9496
0.00744.4395000.133525.1513
0.00534.66100000.132624.8767

Framework versions

  • Transformers 4.34.0.dev0
  • Pytorch 2.0.1+cu117
  • Datasets 2.14.5
  • Tokenizers 0.14.0

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
689eb5e

0 моделей