/ Модель

Характеристики

Контекст
448 токенов
Параметры
905 млн
Размер весов
6,2 ГБ
Лицензия
OpenRAIL
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Библиотека
transformers
Опубликована
17 фев 2025

roest-v1-whisper-1.5b

Распознавание речиАудио → текст5 профессий

Дообученная на датском наборе CoRaL модель Whisper large-v3 для транскрибации датской речи.

87скачиваний за 30 дней6лайковвеса обновлены1 апр 2025

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

Røst v1 Whisper 1.5B — модель распознавания датской речи, разработанная Alvenir и дообученная на первом выпуске датасета CoRaL. Она основана на Whisper large-v3 от OpenAI и предназначена для преобразования датской речи в текст. В метаданных указано 905,2 млн параметров; модель использует архитектуру WhisperForConditionalGeneration и библиотеку Transformers.

В карточке датская модель названа современной для своей задачи. Для сопоставления приведены результаты других моделей на CoRaL: ошибка символов (CER) 4,3% и ошибка слов (WER) 10,4% у Alvenir/coral-1-whisper-large; эти показатели не относятся к данной модели. Модель распространяется по лицензии OpenRAIL. Результаты оценки самой Røst v1 в карточке не приведены.

Сценарии применения

  • транскрибация датских аудиозаписей
  • распознавание датской речи в разговорной записи
  • преобразование датских аудио в текст

Ограничения

В карточке не приведены результаты оценки именно этой версии, поэтому показатели других моделей из таблицы нельзя считать её метриками. Качество может зависеть от акустики и соответствия аудио датским данным обучения.

Для каких профессий подходит5

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

Whisper-Large v.3 trained on CoRaL release 1

This is a Danish state-of-the-art speech recognition model, trained by Alvenir.

Evaluation Results

ModelNumber of parametersCoRal CERCoRal WER
Alvenir/coral-1-whisper-large1540M4.3% ± 0.2%10.4% ± 0.3%
alexandrainst/roest-315m315M6.6% ± 0.2%17.0% ± 0.4%
mhenrichsen/hviske-v21540M4.7% ± 0.07%11.8% ± 0.3%
openai/whisper-large-v31540M11.4% ± 0.3%28.3% ± 0.6%

Results of more models and more datasets can be seen in the model card for Røst-315m.

Model details

This is simply the Whisper Large v.3 model trained on the first release of CoRaL data.

The model was trained for 30K steps using the configuration from the CoRaL repository by running:


python src/scripts/finetune_asr_model.py model=whisper-large max_steps=30000 model.learning_rate=1e-5

License

Note that the dataset used is licensed under a custom license, adapted from OpenRAIL-M, which allows commercial use with a few restrictions (speech synthesis and biometric identification). See license.

Creators and Funders

The CoRal project is funded by the Danish Innovation Fund and consists of the following partners:

We would like specifically thank Dan Saattrup Nielsen, Alexandra Institute for (among other things) the repository work and Simon Leminen Madsen, Alexandra Institute for modelling work.

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
a6c1e24

0 моделей