/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Библиотека
transformers
Опубликована
25 янв 2025

whisper-small-sinhala

Распознавание речиАудио → текст5 профессий

Дообученная версия Whisper Small для распознавания и транскрибирования речи на сингальском языке.

319скачиваний за 30 дней7лайковвеса обновлены25 янв 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

Lingalingeswaran дообучил модель openai/whisper-small на наборе данных Sinhala ASR, чтобы распознавать речь на сингальском языке и преобразовывать её в текст. Модель построена на архитектуре Whisper, содержит 153,1 млн параметров и рассчитана прежде всего на транскрибирование речи на сингальском; также в карточке указана поддержка определения языка. Репозиторий использует Transformers и формат safetensors.

Модель подходит для создания текстовых расшифровок сингальской речи, в том числе записей с разными голосами и стилями речи. По данным карточки, качество может снижаться на шумных записях, при выраженных акцентах и для языков или диалектов, недостаточно представленных в обучающих данных; для других языков модель оптимизирована хуже. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибирование записей на сингальском языке
  • преобразование сингальской речи в текст
  • распознавание сингальской речи в аудиозаписях
  • определение языка речи в аудио

Ограничения

Качество может снижаться на шумных записях и при сильных акцентах, не охваченных обучающими данными. Модель оптимизирована для сингальского языка, поэтому на других языках её результаты могут быть хуже.

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 Small sinhala - Lingalingeswaran

This model is a fine-tuned version of openai/whisper-small on the Lingalingeswaran/asr-sinhala-dataset_json_v1 dataset.

Model description

This Whisper model has been fine-tuned specifically for the Sinhala language using the Common Voice 11.0 dataset. It is designed to handle tasks such as speech-to-text transcription and language identification, making it suitable for applications where Sinhala is a primary language of interest. The fine-tuning process focused on enhancing performance for Sinhala, aiming to reduce the error rate in transcriptions and improve general accuracy.

Intended uses & limitations

Intended Uses: Speech-to-text transcription in Sinhala

Limitations: May not perform as well on languages or dialects that are not well-represented in the Common Voice dataset. Higher Word Error Rate (WER) in noisy environments or with speakers who have heavy accents not covered in the training data. The model is optimized for Sinhala; performance in other languages may be suboptimal.

Training and evaluation data

The training data for this model consists of voice recordings in Sinhala from the Mozilla-foundation/Common Voice 11.0 dataset. The dataset is a crowd-sourced collection of transcribed speech, ensuring diversity in terms of speaker accents, age groups, and speech styles.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 16
  • eval_batch_size: 8
  • seed: 42
  • 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: 500
  • training_steps: 4000
  • mixed_precision_training: Native AMP

Framework versions

  • Transformers 4.48.1
  • Pytorch 2.5.1+cu121
  • Datasets 3.2.0
  • Tokenizers 0.21.0

Example Usage

Here is an example of how to use the model for Sinhala speech recognition with Gradio:

import gradio as gr
from transformers import pipeline

# Initialize the pipeline with the specified model
pipe = pipeline(model="Lingalingeswaran/whisper-small-sinhala")

def transcribe(audio):
    # Transcribe the audio file to text
    text = pipe(audio)["text"]
    return text

# Create the Gradio interface

iface = gr.Interface(
    fn=transcribe,
    inputs=gr.Audio(sources=["microphone", "upload"], type="filepath"),
    outputs="text",
    title="Whisper Small Sinhala",
    description="Realtime demo for Sinhala speech recognition using a fine-tuned Whisper small model.",
)

# Launch the interface
if __name__ == "__main__":
    iface.launch()

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
d2d15a2

0 моделей