Характеристики

Параметры: 456 млн
Лицензия: Apache 2.0
Архитектура: whisper · dense
Базовая модель: whisper-medium-yoruba
Опубликована: 12 янв 2025

Ссылки

Hugging Face

Yoruba-ASR2

EYEDOL

Языковая модель

Дообученная модель Whisper для распознавания речи на йоруба и преобразования её в текст.

9скачиваний за 30 дней0лайковвеса обновлены14 янв 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Yoruba-ASR2 — модель распознавания речи, разработанная на основе neoform-ai/whisper-medium-yoruba и дообученная на наборе Common Voice 17.0. Она использует архитектуру Whisper и содержит 455,8 млн параметров. Модель предназначена для преобразования речи на йоруба в текст.

На оценочном наборе указаны Loss 0,8390 и WER 47,2047. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не приводит других сведений о сценариях применения или ограничениях.

Сценарии применения

транскрибация записей на йоруба
распознавание речи на йоруба в аудиофайлах
создание текстовых расшифровок йорубоязычных записей

Ограничения

На оценочном наборе указана WER 47,2047, что следует учитывать при использовании для точной транскрибации. README не описывает дополнительные ограничения или условия оценки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

YorubaASR2

This model is a fine-tuned version of neoform-ai/whisper-medium-yoruba on the Common Voice 17.0 dataset. It achieves the following results on the evaluation set:

Loss: 0.8390
Wer: 47.2047

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: 1e-05
train_batch_size: 8
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: 1000
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer
0.0145	3.8462	1000	0.8390	47.2047

Framework versions

Transformers 4.41.2
Pytorch 2.1.2
Datasets 3.2.0
Tokenizers 0.19.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры: WhisperForConditionalGeneration
Ревизия весов: 0e463c5