/ Модель

Характеристики

Контекст
1 024 токена
Параметры
29,4 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-tiny-smmmu
Опубликована
1 окт 2024

whisper-tiny-slisa

Распознавание речи4 профессии

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

11скачиваний за 30 дней0лайковвеса обновлены1 окт 2024

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

Hanhpt23/whisper-tiny-slisa — модель распознавания речи на базе Whisper, дообученная разработчиком на датасете Hanhpt23/SLISA. Она предназначена для преобразования аудиозаписей в текст. В карточке приведён результат оценки на тестовом наборе: loss 0,0002 и WER 0,0; описание набора и методики оценки не раскрыто, поэтому эти значения сами по себе не позволяют судить о качестве на других данных.

Модель содержит 29,4 млн параметров и распространяется в формате safetensors. В метаданных указан английский язык и лицензия Apache-2.0. Сведений о поддерживаемых языках помимо английского, длине контекста и дополнительных ограничениях применения нет.

Сценарии применения

  • Транскрибирование английских аудиозаписей
  • Преобразование английской речи в текст
  • Создание текстовых расшифровок аудиоматериалов

Ограничения

Карточка не описывает обучающие данные, условия оценки и ограничения применения; заявленный WER 0,0 относится только к указанному оценочному набору.

Для каких профессий подходит4

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

Hanhpt23/whisper-tiny-smmmu

This model is a fine-tuned version of Hanhpt23/whisper-tiny-smmmu on the Hanhpt23/SLISA dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0002
  • Wer: 0.0

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: 0.0001
  • 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: 100
  • num_epochs: 10

Training results

Training LossEpochStepValidation LossWer
0.08731.0300.01280.2480
0.01562.0600.00523.2398
0.00623.0900.00700.1705
0.01014.01200.03492.4027
0.02515.01500.00850.2325
0.01246.01800.00910.1860
0.0167.02100.00310.0465
0.00398.02400.00200.0465
0.00449.02700.00030.0155
0.000310.03000.00020.0

Framework versions

  • Transformers 4.41.1
  • Pytorch 2.3.0
  • Datasets 2.19.1
  • 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
d56b230

0 моделей