/ Модель

Характеристики

Параметры
905 млн
Лицензия
MIT
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo
Библиотека
transformers
Опубликована
31 окт 2024

whisper-large-v3-turbo-common_voice_19_0-zh-TW

Распознавание речиАудио → текст5 профессий

Дообученная модель Whisper Large V3 Turbo для распознавания тайваньского традиционного китайского в аудио.

52скачиваний за 30 дней13лайковвеса обновлены31 окт 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.

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

Модель JacobLinCool — дообученная версия OpenAI Whisper Large V3 Turbo для автоматического распознавания речи на традиционном китайском языке, вариант Тайваня. Она принимает аудио и преобразует речь в текст без необходимости задавать подсказку. Модель содержит около 905,2 млн параметров и построена на архитектуре Whisper; для обучения использован набор Common Voice Corpus 19.0 Chinese (Taiwan), примерно 50 тысяч обучающих примеров общей длительностью 44 часа.

На тестовом наборе указаны WER 32,56 и CER 8,60. Модель наследует мультиязычную систему определения языка Whisper, где варианты китайского используют общий токен `zh`, поэтому качество распознавания упрощённого китайского может снижаться. Лицензия — MIT.

Сценарии применения

  • расшифровка речи на тайваньском традиционном китайском
  • транскрибация записей и аудиосообщений на китайском
  • автоматическое создание субтитров для речи на китайском Тайваня

Ограничения

Качество для упрощённого китайского может быть ниже, поскольку Whisper использует общий языковой токен для вариантов китайского. На тестовом наборе указаны WER 32,56 и CER 8,60.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-large-v3-turbo-common_voice_19_0-zh-TW

This model is a fine-tuned version of openai/whisper-large-v3-turbo on the JacobLinCool/common_voice_19_0_zh-TW dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1786
  • Wer: 32.5554
  • Cer: 8.6009
  • Decode Runtime: 90.9833
  • Wer Runtime: 0.1257
  • Cer Runtime: 0.1534

Model description

This is an open-source Traditional Chinese (Taiwan) automatic speech recognition (ASR) model.

Intended uses & limitations

This model is designed to be a prompt-free ASR model for Traditional Chinese. Due to its inherited language identification (LID) system from Whisper, which supports other Chinese language variants under the same language token (zh), we expect that performance may degrade when transcribing Simplified Chinese.

The model is free to use under the MIT license.

Training and evaluation data

This model was trained on the Common Voice Corpus 19.0 Chinese (Taiwan) Subset, containing about 50k training examples (44 hours) and 5k test examples (5 hours). This dataset is four times larger than the combination of training and validation set (train+validation) of mozilla-foundation/common_voice_16_1, which includes about 12k examples.

Training procedure

Tensorboard

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0002
  • train_batch_size: 4
  • eval_batch_size: 32
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 50
  • training_steps: 5000

Training results

Training LossEpochStepValidation LossWerCerDecode RuntimeWer RuntimeCer Runtime
No log002.720876.501120.485189.49160.12130.1639
1.18320.15000.193939.956110.872190.09260.12220.1555
1.51790.210000.177437.66219.932289.86570.12250.1545
0.61790.315000.179636.26579.832590.24800.11980.1573
0.36261.091220000.184636.22589.780190.33060.11960.1539
0.13111.191225000.177634.80959.321490.31240.12860.1610
0.12631.291230000.176336.12619.356390.42710.13300.1650
0.21942.082535000.189134.68989.311491.19320.13200.1643
0.11272.182540000.183834.07149.109590.24160.11960.1529
0.37922.282445000.178633.13398.767990.91440.13100.1550
0.06063.073750000.178632.55548.600990.98330.12570.1534

Framework versions

  • PEFT 0.13.2
  • Transformers 4.46.1
  • Pytorch 2.4.0
  • Datasets 3.0.2
  • Tokenizers 0.20.1

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
77dca7e

0 моделей