/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Архитектура
whisper · dense
Опубликована
22 фев 2024

whisper-small-kyrgyz

Распознавание речиАудио → текст6 профессий

Дообученная модель Whisper для автоматической расшифровки кыргызской речи в текст.

133скачиваний за 30 дней8лайковвеса обновлены7 окт 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

Whisper ASR for Kyrgyz Language — модель распознавания речи на кыргызском языке, опубликованная Национальной комиссией по государственному языку и языковой политике при Президенте Кыргызской Республики. Она основана на предварительно обученном Whisper и дообучена с адаптацией к фонетическим особенностям кыргызской речи.

Модель принимает аудио и преобразует кыргызскую речь в текст. Её можно использовать для расшифровки записей и живой речи с микрофона; пример демонстрационного приложения построен на Transformers и Gradio. Архитектура — WhisperForConditionalGeneration, число параметров — около 153,1 млн.

Сценарии применения

  • расшифровка записей на кыргызском языке
  • преобразование кыргызской речи в текст в реальном времени с микрофона
  • создание субтитров для кыргызскоязычных аудио- и видеоматериалов

Ограничения

Модель адаптирована для кыргызской речи; качество распознавания других языков не заявлено. В карточке не приведены количественные оценки качества.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Кыргыз Республикасынын Президентине караштуу Мамлекеттик тил жана тил саясаты боюнча улуттук комиссия.

Whisper ASR for Kyrgyz Language is an automatic speech recognition (ASR) solution customized for the Kyrgyz language. It is based on the pre-trained Whisper model and has undergone fine-tuning and adaptation to accurately transcribe Kyrgyz speech, taking into account its specific phonetic intricacies.

To run the model, first install:

!pip install datasets>=2.6.1
!pip install git+https://github.com/huggingface/transformers
!pip install librosa
!pip install evaluate>=0.30
!pip install jiwer
!pip install gradio==3.50.2

Linking the notebook to the Hub is straightforward - it simply requires entering your Hub authentication token when prompted.

from huggingface_hub import notebook_login

notebook_login()

Now that we've fine-tuned our model, we can build a demo to show off its ASR capabilities! We'll use 🤗 Transformers pipeline, which will take care of the entire ASR pipeline, right from pre-processing the audio inputs to decoding the model predictions. We'll build our interactive demo with Gradio. Gradio is arguably the most straightforward way of building machine learning demos; with Gradio, we can build a demo in just a matter of minutes!

Running the example below will generate a Gradio demo where we can record speech through the microphone of our computer and input it to our fine-tuned Whisper model to transcribe the corresponding text:

from transformers import pipeline
import gradio as gr

pipe = pipeline(model="UlutSoftLLC/whisper-small-kyrgyz")  

def transcribe(audio):
    text = pipe(audio)["text"]
    return text

iface = gr.Interface(
    fn=transcribe, 
    inputs=gr.Audio(source="microphone", type="filepath"), 
    outputs="text",
    title="Whisper Small Kyrgyz",
    description="Realtime demo for Kyrgyz speech recognition using a fine-tuned Whisper small model.",
)

iface.launch()

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
354a63a

0 моделей