/ Модель

Характеристики

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

whisper-small-sinhala_v3

Распознавание речиАудио → текст4 профессии

Дообученная Whisper Small для транскрибирования речи на сингальском языке.

337скачиваний за 30 дней3лайкавеса обновлены17 мар 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 создал и опубликовал дообученную версию Whisper Small для распознавания речи на сингальском языке. Модель основана на openai/whisper-small и дообучена на наборе Lingalingeswaran/asr-sinhala-dataset_json_v1; она содержит 153,1 млн параметров и доступна в формате safetensors для Transformers.

Модель принимает аудио и генерирует текстовую транскрипцию. В README приведён результат оценки на тестовом наборе: WER 46,4577 и loss 0,2086. Репозиторий распространяется по лицензии Apache-2.0. Высокое значение WER указывает на заметные ошибки распознавания; качество может зависеть от записи и речи.

Сценарии применения

  • транскрибирование записей на сингальском языке
  • распознавание сингальской речи в аудиофайлах
  • создание черновых субтитров для сингальской речи

Ограничения

На оценочном наборе указана доля ошибок слов WER 46,4577, поэтому транскрипции могут содержать значительные ошибки и требуют проверки. Другие ограничения и характеристики набора оценки в карточке не описаны.

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 Small sinhala v3 - Lingalingeswaran

This model is a fine-tuned version of openai/whisper-small on the Lingalingeswaran/asr-sinhala-dataset_json_v1 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2086
  • Wer: 46.4577

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: 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: 3000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.18521.760610000.187550.9772
0.06023.521120000.188647.5774
0.02385.281730000.208646.4577

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_v3")

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
cf54883

0 моделей