/ Модель

Характеристики

Контекст
448 токенов
Параметры
51,7 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-base
Опубликована
7 сен 2023

whisper-base-ko-callvoice

Распознавание речиАудио → текст3 профессии

Дообученная Whisper Base для распознавания корейской речи в звонках с низким качеством звука.

28скачиваний за 30 дней3лайкавеса обновлены22 сен 2023

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

INo0121/whisper-base-ko-callvoice — дообученная модель на базе OpenAI Whisper Base, предназначенная для распознавания корейской речи в телефонных разговорах с низким качеством звука. Для обучения использована часть набора AI-HUB с аудиозаписями телефонной речи; общая длительность аудио составила около 240 771 секунды. Модель содержит 51,7 млн параметров и работает с аудио на входе, выдавая распознанный текст на корейском языке.

На оценочном наборе указаны loss 0,4941 и CER 30,7538. Модель ориентирована на учебное использование; README также ограничивает её применение учебными целями. Лицензия в метаданных — Apache-2.0.

Сценарии применения

  • распознавание корейской речи в телефонных звонках
  • транскрибация записей с шумной телефонной линии
  • расшифровка низкокачественных корейских голосовых записей

Ограничения

Модель предназначена для учебного использования согласно README. На оценочном наборе CER составляет 30,7538, поэтому ошибки распознавания могут быть существенными.

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

Whisper Base for Korean Low quaiity Call Voices

This model is a fine-tuned version of openai/whisper-base on the Korean Low Quaiity Call Voices dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4941
  • Cer: 30.7538

Model description

프로젝트 용도로 파인튜닝된 모델입니다. OpenAI의 Whisper-Base 모델을 바탕으로 '한국어 저음질 음성 통화 데이터'에 대한 정확도를 증가시키고자 파인튜닝을 진행한 모델이며, 사용한 데이터는 AI-HUB의 ‘저음질 전화망 음성인식 데이터’ 중 일부로서 오디오 파일 기준 240,771.06초(파일 1개당 평균 길이는 약 5.296초) 텍스트 데이터 기준 총 1,696,414글자의 크기입니다.

This is a fine-tuned model for project use. This model was fine-tuned to increase the accuracy of ‘Korean low-quality voice call data’ based on OpenAI’s Whisper-Base model. The data used is part of AI-HUB’s ‘low-quality telephone network voice recognition data’, which is 240,771.06 seconds based on audio files(average length per file is about 5.296 seconds). The total size is 1,696,414 characters based on text data.

Intended uses & limitations

파인튜닝에 사용된 Base model과 dataset 모두 학습 목적으로 사용하였으며, 따라서 본 모델 역시 학습 목적으로만 사용 가능합니다.

Both the base model and dataset used for fine tuning were used for learning purposes, so this model can also be used only for learning purposes.

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: 16
  • 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: 8000

Training results

Training LossEpochStepValidation LossCer
0.64160.4410000.656464.1489
0.59140.8820000.568837.4957
0.4351.3230000.534932.6734
0.40561.7640000.512430.9065
0.33682.250000.505732.6925
0.31072.6460000.497932.8315
0.30163.0870000.494729.3060
0.29793.5280000.494130.7538

Framework versions

  • Transformers 4.34.0.dev0
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.5
  • Tokenizers 0.13.3

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
be7e1dd

0 моделей