/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
MIT
Архитектура
whisper · dense
Опубликована
27 июн 2024

whisper-small-wolof

Распознавание речиАудио → текст3 профессии

Дообученная на волоф модель Whisper-small для автоматической транскрипции речи в текст.

632скачиваний за 30 дней5лайковвеса обновлены26 июл 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

M9and2M/whisper-small-wolof — модель автоматического распознавания речи на волоф, созданная разработчиком M9and2M путём дообучения Whisper-small от OpenAI. Она преобразует аудио на волоф в текст и предназначена для транскрибирования записей на этом языке.

Модель основана на архитектуре Whisper и содержит 153,1 млн параметров. Для обучения использован набор M9and2M/Wolof_ASR_dataset: 57 часов обучающих и 10 часов тестовых аудиозаписей; в описании указаны WER 0,17 и loss 0,123. Репозиторий содержит веса в формате safetensors.

Модель подходит для транскрибирования коротких записей на волоф. README сообщает, что при подготовке данных оставляли аудио длительностью менее шести секунд, поэтому качество на длинных записях отдельно не подтверждено. Лицензия — MIT.

Сценарии применения

  • транскрибирование коротких аудиозаписей на волоф
  • распознавание волофской речи в аудиоданных
  • подготовка текстовых расшифровок записей на волоф

Ограничения

Обучающие данные отбирались с ограничением длительности аудио менее шести секунд, поэтому качество на более длинных записях не подтверждено. Указанный WER 0,17 относится к тестовому набору из описания и не гарантирует такое же качество на других данных.

Для каких профессий подходит3

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

Wolof ASR Model (Based on Whisper-Small)

Model Overview

This repository hosts an Automatic Speech Recognition (ASR) model for the Wolof language, fine-tuned from OpenAI's Whisper-small model. This model aims to provide accurate transcription of Wolof audio data.

Model Details

  • Model Base: Whisper-small
  • Loss: 0.123
  • WER: 0.17

Dataset

The dataset used for training and evaluating this model is a collection from various sources, ensuring a rich and diverse set of Wolof audio samples. The collection is available in my Hugging Face account is used by keeping only the audios with duration shorter than 6 second.

  • Training Dataset: 57 hours
  • Test Dataset: 10 hours

For detailed information about the dataset, please refer to the M9and2M/Wolof_ASR_dataset.

Training

The training process was adapted from the code in the Finetune Wa2vec 2.0 For Speech Recognition written to fine-tune Wav2Vec2.0 for speech recognition. Special thanks to the author, Duy Khanh, Le for providing a robust and flexible training framework.

The model was trained with the following configuration:

  • Seed: 19
  • Training Batch Size: 1
  • Gradient Accumulation Steps: 8
  • Number of GPUs: 2

Optimizer : AdamW

  • Learning Rate: 1e-7

Scheduler: OneCycleLR

  • Max Learning Rate: 5e-5

Acknowledgements

This model was built using OpenAI's Whisper-small architecture and fine-tuned with a dataset collected from various sources. Special thanks to the creators and contributors of the dataset.

More Information

This model has been developed in the context of my Master Thesis at ETSIT-UPM, Madrid under the supervision of Prof. Luis A. Hernández Gómez.

Contact

For any inquiries or questions, please contact mamadou.marone@ensea.fr

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
8cc20b3

0 моделей