/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Опубликована
20 дек 2022

KalemaTech-Arabic-STT-ASR-based-on-Whisper-Small

Распознавание речиАудио → текст4 профессии

Дообученная на арабской речи модель Whisper Small для преобразования аудиозаписей в текст.

33скачиваний за 30 дней6лайковвеса обновлены28 дек 2022

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

KalemaTech-Arabic-STT-ASR-based-on-Whisper-Small — дообученная Salama1429 модель распознавания речи на архитектуре Whisper Small. Она преобразует арабскую речь в текст и предназначена для автоматической транскрипции аудиозаписей. Модель дообучена на Common_Voice_Arabic_12.0_Augmented; в README приведён результат оценки WER 58,5848 на тестовом наборе. Размер составляет 153,1 млн параметров, формат весов — PyTorch. Лицензия — Apache-2.0.

Модель подходит для транскрипции арабской речи, в частности аудио, близкого по характеристикам к обучающим данным Common Voice. Значение WER указывает на заметные ошибки распознавания, поэтому качество транскрипции следует проверять для конкретной записи и сценария. Карточка не сообщает о дополнительных режимах работы или иных входных модальностях.

Сценарии применения

  • транскрибация записей арабской речи
  • распознавание арабской речи из аудиофайлов
  • подготовка черновых субтитров на арабском языке

Ограничения

На тестовом наборе README указывает WER 58,5848, что означает заметную долю ошибок; точность может зависеть от акцента, качества записи и условий, отличающихся от обучающих данных.

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

Kalemat-Tech Arabic Speech Recognition Model (STT) - Mohamed Salama

نموذج كلماتك للتعرف على الأصوات العربية الفصحى و تحويلها إلى نصوص

KalemaTech-Arabic-STT-ASR-based-on-Whisper-Small

This model is a fine-tuned version of openai/whisper-small on Common_Voice_Arabic_12.0_Augmented. It achieves the following results on the evaluation set:

  • Loss: 0.5362
  • Wer: 58.5848

Example of usage:

from transformers import AutoProcessor, AutoModelForSpeechSeq2Seq

processor = AutoProcessor.from_pretrained("Salama1429/KalemaTech-Arabic-STT-ASR-based-on-Whisper-Small")

model = AutoModelForSpeechSeq2Seq.from_pretrained("Salama1429/KalemaTech-Arabic-STT-ASR-based-on-Whisper-Small")

Intended uses & limitations

Automatic Speech Recognition

Training and evaluation data

Common_Voice_Arabic_12.0 and I made some augmentations to it as follows:
- 25% of the data TimeMasking
- 25% of the data SpecAugmentation
- 25% of the data WavAugmentation (AddGaussianNoise)
- The final dataset is the original common voice plus the augmented files

Training procedure

Training hyperparameters

The following hyperparameters were used during training:
- learning_rate: 1e-05
- train_batch_size: 64
- eval_batch_size: 8
- seed: 42
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- lr_scheduler_warmup_steps: 500
- num_epochs: 25
- mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.27281.0110000.306360.4733
0.14422.0120000.287855.6935
0.06483.0230000.300959.2568
0.03184.0340000.327859.2993
0.01485.0450000.353961.0364
0.00886.0460000.371456.9154
0.00617.0570000.392057.5515
0.00418.0680000.414961.6328
0.00339.0690000.421758.0310
0.003310.07100000.437659.9594
0.002111.08110000.448556.7812
0.001512.08120000.457757.6936
0.001313.09130000.467160.6606
0.001114.1140000.468659.8159
0.000815.11150000.485660.7111
0.001116.11160000.485159.5198
0.000517.12170000.493659.2608
0.000418.13180000.499557.9619
0.000319.13190000.508558.3630
0.000220.14200000.515558.0987
0.000121.15210000.525158.8504
0.000122.16220000.526858.4228
0.000123.16230000.531759.0881
0.000124.17240000.536258.5848

Framework versions

  • Transformers 4.25.1
  • Pytorch 1.13.1+cu117
  • Datasets 2.8.0
  • Tokenizers 0.13.2

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
df186e5

0 моделей