/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Архитектура
whisper · dense
Опубликована
10 мая 2024

Ссылки

Hugging Face

whisper_final

HariprasathSB
Распознавание речиАудио → текст

Модель Whisper примерно на 455,8 млн параметров для автоматического преобразования речи из аудио в текст.

7скачиваний за 30 дней0лайковвеса обновлены11 мая 2024

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

HariprasathSB/whisper_final — модель автоматического распознавания речи на архитектуре Whisper, представленная автором как обученная с нуля. Она предназначена для преобразования аудио в текст. Веса содержат около 455,8 млн параметров и доступны в формате Safetensors.

В карточке приведён результат оценки: loss 0,9410 и WER 70,3762; такой WER указывает на низкую точность распознавания в указанном тесте. Данные для обучения и язык распознавания не описаны, поэтому применимость к конкретным языкам и аудиосценариям не подтверждена. Лицензия в доступных данных не указана.

Сценарии применения

  • Преобразование аудиозаписей в текст
  • Черновая транскрибация речи для последующей проверки
  • Распознавание речи в аудиофайлах

Ограничения

В карточке указаны WER 70,3762 и loss 0,9410 на оценочном наборе; WER свидетельствует о низкой точности в этом тесте. Языки, данные обучения и лицензия не приведены в доступных источниках.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper_final

This model was trained from scratch on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.9410
  • Wer: 70.3762

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: 4
  • 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: 200
  • training_steps: 2000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.0332.20265000.780870.9248
0.00584.405310000.873671.2047
0.00086.607915000.924070.6337
0.00028.810620000.941070.3762

Framework versions

  • Transformers 4.40.2
  • Pytorch 2.2.1+cu121
  • 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

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
0ab0c18

0 моделей

    Создать бенчмарк