/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-sm-vivos
Опубликована
19 авг 2023

Ссылки

Hugging Face

whisper-vietnamese-2

JRHuy
Распознавание речиАудио → текст4 профессии

Дообученная модель Whisper для преобразования вьетнамской речи в текст.

21скачиваний за 30 дней0лайковвеса обновлены19 авг 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.

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

JRHuy/whisper-vietnamese-2 — дообученная модель семейства Whisper, разработанная на основе duytran3112/whisper-sm-vivos. Она предназначена для автоматического распознавания речи: принимает аудио и генерирует текстовую расшифровку. Модель содержит 153,1 млн параметров; в репозитории указаны веса PyTorch.

На оценочном наборе README сообщает Loss 0,4398, WER 15,4165 и CER 8,2906; описание набора данных и методики оценки не приведено, поэтому эти результаты не позволяют надёжно судить о качестве на других записях. По названию модель ориентирована на вьетнамскую речь. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация записей речи на вьетнамском языке
  • распознавание вьетнамской речи в аудиофайлах
  • получение текстовых расшифровок голосовых заметок

Ограничения

Сведения о данных обучения, условиях применения и ограничениях в README не раскрыты. Приведённые метрики относятся к оценочному набору, описание которого отсутствует, поэтому качество на других данных не установлено.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-vietnamese-2

This model is a fine-tuned version of duytran3112/whisper-sm-vivos on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4398
  • Wer: 15.4165
  • Cer: 8.2906

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: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: constant_with_warmup
  • lr_scheduler_warmup_steps: 500
  • training_steps: 4000

Training results

Training LossEpochStepValidation LossWerCer
0.13942.8710000.339215.86968.6357
0.01825.7320000.386315.65218.2710
0.0088.630000.412615.20428.2426
0.005211.4640000.439815.41658.2906

Framework versions

  • Transformers 4.31.0
  • Pytorch 2.0.0
  • Datasets 2.14.4
  • 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
97c8e72

0 моделей

    Создать бенчмарк