/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small-hi-iiib
Опубликована
15 ноя 2023

Ссылки

Hugging Face

whisper-small-hi-firefox

CKSINGH
Распознавание речиАудио → текст

Дообученная на Common Voice 13.0 модель Whisper Small для распознавания речи на хинди и её преобразования в текст.

6скачиваний за 30 дней0лайковвеса обновлены27 ноя 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.

Открыть конструктор бенчмарка

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

CKSINGH/whisper-small-hi-firefox — модель автоматического распознавания речи на базе Whisper Small, дообученная разработчиком CKSINGH на наборе Common Voice 13.0. Она преобразует аудио на хинди в текст и подходит для транскрибации записей и оценки расшифровок на этом языке. Модель содержит 153,1 млн параметров и опубликована в форматах PyTorch и safetensors.

В карточке приведены результаты на наборе оценки: WER 11,4253 и CER 7,5700. Модель распространяется по лицензии Apache-2.0. Подробности о длине контекста и ограничениях применения не приведены; качество за пределами описанного набора оценки по этим данным определить нельзя.

Сценарии применения

  • транскрибация аудиозаписей на хинди
  • распознавание речи в записях Common Voice
  • получение текстовых расшифровок для последующей проверки
  • оценка качества систем распознавания речи на хинди

Ограничения

В README не описаны дополнительные ограничения; приведённые метрики получены на наборе оценки Common Voice 13.0, поэтому качество на других данных может отличаться.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CKSINGH whisper-small-hi-fiefox

This model is a fine-tuned version of CKSINGH/whisper-small-hi-iiib on the Common Voice 13.0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2473
  • Wer: 11.4253
  • Cer: 7.5700

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: 1.75e-05
  • 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: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 3000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWerCer
0.03823.5710000.202112.80438.1173
0.00277.1420000.232111.66147.6820
0.000110.7130000.247311.42537.5700

Framework versions

  • Transformers 4.36.0.dev0
  • Pytorch 2.1.0+cu118
  • Datasets 2.15.0
  • Tokenizers 0.15.0

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
eb46a47

0 моделей

    Создать бенчмарк