/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v2
Опубликована
10 дек 2022

Ссылки

Hugging Face

whisper-large-sme

NbAiLab
Распознавание речиАудио → текст3 профессии

Дообученная версия Whisper Large v2 для распознавания северносаамской речи и её преобразования в текст.

65скачиваний за 30 дней5лайковвеса обновлены10 фев 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.

Открыть конструктор бенчмарка

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 Large Northern Sámi — модель распознавания речи, созданная дообучением openai/whisper-large-v2 на наборе данных audiofolder. Она предназначена для преобразования аудио на северносаамском языке в текст. В карточке приведены результаты оценки: WER 24,9143 и loss 0,5559.

Модель содержит около 905,2 млн параметров, использует архитектуру WhisperForConditionalGeneration и распространяется в форматах PyTorch и Safetensors. Базовая Whisper Large v2 — мультиязычная модель для транскрибации и перевода речи, но эта версия дообучена для распознавания северносаамской речи. Лицензия — Apache-2.0. Подробности об условиях записи аудио, обучающем наборе и ограничениях применения в карточке не раскрыты.

Сценарии применения

  • транскрибация аудио на северносаамском языке
  • распознавание северносаамской речи в записях
  • создание текстовых расшифровок северносаамских аудиоматериалов

Ограничения

На оценочном наборе указан WER 24,9143; качество может зависеть от акустики и состава аудио. Подробные ограничения и характеристики обучающих данных в карточке не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Large Northern Sámi

This model is a fine-tuned version of openai/whisper-large-v2 on the audiofolder dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5559
  • Wer: 24.9143

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: 12
  • eval_batch_size: 6
  • seed: 42
  • distributed_type: multi-GPU
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 60000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.466558.010000.857254.5143
0.3041117.020000.671144.1143
0.2671176.030000.579439.7714
0.1761235.040000.535735.0857
0.2089294.050000.509433.6
0.1456352.060000.495933.0286
0.1514411.070000.486432.5714
0.1203470.080000.462531.4286
0.0879529.090000.491645.4857
0.0825588.0100000.496230.6286
0.0753647.0110000.472331.2
0.0812705.0120000.457428.6857
0.062764.0130000.462828.8000
0.0604823.0140000.466828.0000
0.0666882.0150000.469728.6857
0.0405941.0160000.490854.6286
0.0349999.0170000.472828.4571
0.04091058.0180000.488428.4571
0.02921117.0190000.457627.3143
0.02471176.0200000.473428.9143
0.02291235.0210000.489929.9429
0.02711294.0220000.479028.1143
0.02711352.0230000.501230.1714
0.01841411.0240000.500827.3143
0.02111470.0250000.511827.6571
0.01831529.0260000.539830.0571
0.01641588.0270000.500627.3143
0.01691647.0280000.505927.0857
0.01471705.0290000.532527.7714
0.01041764.0300000.481826.1714
0.01281823.0310000.525928.3429
0.01451882.0320000.529926.2857
0.00751941.0330000.508227.4286
0.00871999.0340000.514426.6286
0.0052058.0350000.559027.0857
0.00992117.0360000.554628.9143
0.0072176.0370000.536426.8571
0.00452235.0380000.557427.2000
0.00642294.0390000.505125.7143
0.00792352.0400000.524725.9429
0.00832411.0410000.551425.6
0.01012470.0420000.571025.6
0.00622529.0430000.583028.0000
0.00462588.0440000.582826.8571
0.00532647.0450000.562127.4286
0.00472705.0460000.567325.9429
0.00452764.0470000.522025.6
0.00652823.0480000.570427.7714
0.00392882.0490000.574127.7714
0.00272941.0500000.576226.0571
0.00192999.0510000.555924.9143
0.00153058.0520000.577728.5714
0.00263117.0530000.558925.2571
0.00323176.0540000.606126.9714
0.00253235.0550000.577625.1429
0.00463294.0560000.575327.3143
0.00153352.0570000.573627.2000
0.0033411.0580000.593325.6
0.0023470.0590000.603625.6
0.000758.0600000.597525.2571

Framework versions

  • Transformers 4.26.0.dev0
  • Pytorch 1.13.0+cu117
  • Datasets 2.7.1.dev0
  • Tokenizers 0.11.0

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
2432ccf

0 моделей

    Создать бенчмарк