Характеристики

Параметры: 905 млн
Размер весов: 6,2 ГБ
Лицензия: Apache 2.0
Архитектура: whisper · dense
Базовая модель: whisper-large-v3
Опубликована: 9 ноя 2023

Ссылки

Hugging Face

whisper-large-v3-sr-combined

Sagicc

Распознавание речиАудио → текст9 профессий

Дообученная на сербской речи модель Whisper large-v3 для автоматической транскрибации аудио в текст.

32скачиваний за 30 дней0лайковвеса обновлены5 дек 2023

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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

Sagicc/whisper-large-v3-sr-combined — дообученная модель автоматического распознавания речи на базе Whisper large-v3 от OpenAI. Она предназначена для транскрибации аудио на сербском языке; при дообучении использовались наборы Mozilla Common Voice 13 и Google Fleurs.

Модель содержит 905,2 млн параметров, использует архитектуру Whisper и принимает аудио, выдавая текст. В README приведены результаты оценки: WER 0,0556 и орфографический WER 0,1635. Карточка рекомендует обновлённую версию Sagicc/whisper-large-v3-sr-cmb, обученную на более чем 50 часах дополнительных данных.

Модель распространяется по лицензии Apache-2.0. Результаты распознавания могут зависеть от качества записи, акцента и соответствия аудио обучающим данным.

Сценарии применения

транскрибация записей речи на сербском языке
распознавание сербской речи в аудиозаписях
создание текстовых расшифровок сербских аудиоматериалов

Ограничения

README рекомендует обновлённый вариант Sagicc/whisper-large-v3-sr-cmb. Качество может зависеть от условий записи, акцента и соответствия аудио обучающим данным.

Для каких профессий подходит9

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 938моделей I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

UPDATE

Use an updated fine tunned version Sagicc/whisper-large-v3-sr-cmb with new 50+ hours of dataset.

Whisper Large v3 Sr

This model is a fine-tuned version of openai/whisper-large-v3 on Serbian Mozilla/Common Voice 13 and Google/Fleurs datasets. It achieves the following results on the evaluation set:

Loss: 0.1628
Wer Ortho: 0.1635
Wer: 0.0556

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 1e-05
train_batch_size: 2
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 8
total_train_batch_size: 16
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 50
training_steps: 1500
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer Ortho	Wer
0.0567	1.34	500	0.1512	0.1676	0.0717
0.0256	2.67	1000	0.1482	0.1585	0.0610
0.0114	4.01	1500	0.1628	0.1635	0.0556

Framework versions

Transformers 4.35.0
Pytorch 2.0.1+cu117
Datasets 2.14.5
Tokenizers 0.14.1

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: 9f2f936