/ Модель

Характеристики

Контекст
1 024 токена
Параметры
905 млн
Размер весов
6,2 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v2
Библиотека
transformers
Опубликована
9 мая 2025

whisper-large-v2-formosan-all

Распознавание речиАудио → текст3 профессии

Дообученная версия Whisper large-v2 для распознавания речи на тайваньских языках коренных народов.

63скачиваний за 30 дней0лайковвеса обновлены16 мая 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

ILRDF/whisper-large-v2-formosan-all — дообученная ILRDF модель распознавания речи на основе OpenAI Whisper large-v2. Она предназначена для транскрибации аудио на тайваньских языках коренных народов; в карточке отмечено, что для выбора языка используется идентификатор индонезийского языка Whisper. Модель содержит около 905,2 млн параметров, построена на архитектуре Whisper и распространяется в формате Safetensors для Transformers.

Обучение выполнено в 4146 шагов с аугментацией данных, отключённой по карточке; указаны размер пакета 2×4 и накопление градиента 64. Модель принимает аудио и выдаёт распознанный текст. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

  • транскрибация речи на тайваньских языках коренных народов
  • создание текстовых расшифровок аудиозаписей
  • распознавание устной речи при указании языка Indonesian в Whisper

Ограничения

Лицензия CC BY-NC 4.0 запрещает коммерческое использование. Для выбора языка требуется использовать идентификатор Indonesian в Whisper.

Для каких профессий подходит3

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

Model Card for whisper-large-v2-formosan-all

This model is a fine-tuned version of the Taiwanese indigenous openai/whisper-large-v2.
Note: we use indonesian as whisper language id

Training process

The training of the model was performed with the following hyperparameters

  • Batch size: 2*4 (on 4 L40s GPU)
  • Gradient accumulation steps: 64
  • Total steps: 4146
  • Learning rate: 5e-4
  • Data augmentation: No
  • Optimizer: schedule_free_radam
  • LR scheduler type: constant

How to use

import torch
from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline
device = "cuda:0" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32
model_id = "formospeech/whisper-large-v2-formosan-all"
model = AutoModelForSpeechSeq2Seq.from_pretrained(
    model_id, torch_dtype=torch_dtype, low_cpu_mem_usage=True, use_safetensors=True
)
model.to(device)
processor = AutoProcessor.from_pretrained(model_id)
pipe = pipeline(
    "automatic-speech-recognition",
    model=model,
    tokenizer=processor.tokenizer,
    feature_extractor=processor.feature_extractor,
    max_new_tokens=128,
    chunk_length_s=30,
    batch_size=16,
    torch_dtype=torch_dtype,
    device=device,
)
generate_kwargs = {"language": "id"}
transcription = pipe("path/to/my_audio.wav", generate_kwargs=generate_kwargs)
print(transcription)

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
b003cee

0 моделей