/ Модель
Каталог

Характеристики

Параметры
905 млн
Лицензия
MIT
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo
Библиотека
transformers
Опубликована
25 дек 2024

Ссылки

Hugging Face

whisper-large-v3-turbo

SadeghK
Распознавание речиАудио → текст4 профессии

Дообученная на Common Voice 17.0 версия Whisper large-v3-turbo для распознавания персидской речи и преобразования аудио в текст.

53скачиваний за 30 дней1лайквеса обновлены9 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

Sadegh Karimi дообучил мультиязычную модель распознавания речи Whisper large-v3-turbo на наборе Common Voice 17.0. Модель предназначена для преобразования аудио в текст; в карточке указана оценка WER 9,6275 на наборе оценки. Архитектура — WhisperForConditionalGeneration, размер — 905,2 млн параметров. Репозиторий содержит веса safetensors и использует библиотеку Transformers.

Модель ориентирована на персидскую речь. Базовая Whisper large-v3-turbo поддерживает распознавание речи и перевод аудио в текст на разных языках, однако эта версия дообучена на персидском материале. Лицензия — MIT. Карточка не описывает условия оценки и ограничения подробнее.

Сценарии применения

  • транскрибация персидской речи
  • распознавание персидской речи из записей
  • создание текстовых расшифровок аудио на персидском
  • оценка качества распознавания речи на Common Voice

Ограничения

Показатель WER 9,6275 приведён для оценочного набора, но условия и методика оценки не описаны. Карточка не содержит дополнительных сведений об ограничениях применения.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.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-v3-turbo-fa - Sadegh Karimi

This model is a fine-tuned version of openai/whisper-large-v3-turbo on the Common Voice 17.0 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0839
  • Wer: 9.6275

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 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: 10000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.17890.02175000.242726.4099
0.20770.043510000.229627.1873
0.19280.065215000.232027.5951
0.18010.086920000.202624.0409
0.18650.108625000.192522.3742
0.15350.130430000.187222.9511
0.14630.152135000.178621.5436
0.09350.173840000.174920.5330
0.10520.195645000.159719.0314
0.0910.217350000.155320.2125
0.07430.239055000.147416.9160
0.0960.260760000.135215.9027
0.1110.282565000.125914.9071
0.0890.304270000.117914.1146
0.08130.325975000.110112.8653
0.0720.347780000.101211.8138
0.07150.369485000.094810.9791
0.06830.391190000.090310.2563
0.06340.412895000.08619.6616
0.07390.4346100000.08399.6275

Framework versions

  • Transformers 4.47.1
  • Pytorch 2.1.0+cu118
  • Datasets 3.2.0
  • Tokenizers 0.21.0

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
5687fdf

0 моделей

    Создать бенчмарк