/ Модель

Характеристики

Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Опубликована
17 июл 2023

whisper-medium-zh

Распознавание речиАудио → текст4 профессии

Дообученная версия Whisper Medium для распознавания речи на тайваньском китайском языке.

9скачиваний за 30 дней1лайквеса обновлены18 июл 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

Whisper Medium TW — дообученная Jasper881108 модель распознавания речи на основе openai/whisper-medium. Она предназначена для преобразования аудио на тайваньском китайском языке в текст. Модель использует архитектуру Whisper и содержит 455,8 млн параметров.

Для обучения и оценки использовался корпус Common Voice 11.0: обучающая и валидационная части — для обучения, тестовая — для оценки. Модель распространяется в формате PyTorch по лицензии Apache-2.0. В карточке не приведены результаты оценки качества, поэтому точность распознавания для конкретных условий записи не установлена.

Сценарии применения

  • расшифровка аудиозаписей на тайваньском китайском
  • создание текстовых субтитров к речи на тайваньском китайском
  • транскрибирование записей Common Voice на тайваньском китайском

Ограничения

В карточке не приведены результаты оценки качества, а обучение и тестирование описаны только для Common Voice 11.0; качество на других наборах данных и в иных акустических условиях не установлено.

Для каких профессий подходит4

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 Medium TW

This model is a fine-tuned version of openai/whisper-medium on the mozilla-foundation/common_voice_11_0 dataset.

Training and evaluation data

Training:

Evaluation:

Training procedure

  • Datasets were augmented using audiomentations via PitchShift, TimeStretch, Gain, AddGaussianNoise transformations at p=0.3.
  • A space is added between each Chinese character, as demonstrated in the original paper. Effectively, WER == CER in this case.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 1
  • eval_batch_size: 1
  • gradient_accumulation_steps: 32
  • optimizer: Adam
  • generation_max_length: 225,
  • warmup_steps: 200
  • max_steps: 2000,
  • fp16: True,
  • evaluation_strategy: "steps",

Framework versions

  • Transformers 4.27.1
  • Pytorch 2.0.1+cu120
  • Datasets 2.13.1

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
b1460b6

0 моделей