/ Модель

Характеристики

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

Whisper-Cantonese

Распознавание речиАудио → текст4 профессии

Дообученная на Common Voice 11.0 модель Whisper для транскрибирования кантонской речи.

9скачиваний за 30 дней5лайковвеса обновлены12 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

WayneLinn/Whisper-Cantonese — модель распознавания речи, созданная дообучением openai/whisper-small на наборе Common Voice 11.0. Она предназначена для преобразования кантонской речи в текст. Модель построена на архитектуре Whisper и содержит 153,1 млн параметров; опубликованные веса представлены в формате PyTorch.

В карточке приведены результаты оценки: WER 60,0485 и loss 0,3030. Высокое значение WER указывает на существенные ошибки распознавания, поэтому качество транскрипции может быть ограниченным. Модель выпущена под лицензией Apache-2.0.

Сценарии применения

  • транскрибирование кантонской речи из аудиозаписей
  • распознавание кантонской речи в пользовательских аудиофайлах
  • подготовка черновых субтитров для кантонских видео

Ограничения

На оценочном наборе указана доля ошибок слов WER 60,0485, что говорит о заметных ошибках транскрипции. README не описывает другие ограничения или условия оценки.

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

Whisper Cantonese

This model is a fine-tuned version of openai/whisper-small on the Common Voice 11.0 dataset. It achieves the following results on the evaluation set:

  • eval_loss: 0.3030
  • eval_wer: 60.0485
  • eval_runtime: 556.4418
  • eval_samples_per_second: 4.381
  • eval_steps_per_second: 0.548
  • epoch: 5.56
  • step: 1000

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: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 4000
  • mixed_precision_training: Native AMP

Framework versions

  • Transformers 4.26.0.dev0
  • Pytorch 1.13.0+cu116
  • Datasets 2.7.1
  • 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
9379409

0 моделей