/ Модель

Характеристики

Контекст
448 токенов
Параметры
51,7 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-base
Опубликована
18 янв 2024

Whisper-base-Arabic

Распознавание речиАудио → текст9 профессий

Дообученная на арабских аудиоданных модель Whisper Base для транскрибирования арабской речи в текст.

22скачиваний за 30 дней4лайкавеса обновлены25 фев 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

YazanSalameh/Whisper-base-Arabic — дообученная модель OpenAI Whisper Base для автоматического распознавания арабской речи и преобразования аудио в текст. Она основана на архитектуре Whisper с 51,7 млн параметров и распространяется в формате safetensors по лицензии Apache-2.0.

Модель обучалась на арабских данных Common Voice 16.0, MGB-2 и Jordan-Audio. В карточке приведён результат на оценочной выборке: WER 34,7 и loss 0,44; для проверки использовались 600 примеров из трёх наборов данных. Оценка ограничена небольшим объёмом выборки, а автор предлагает подбирать способ интерпретации точности самостоятельно.

Сценарии применения

  • Транскрибирование записей арабской речи
  • Распознавание арабской речи в аудиозаписях
  • Подготовка текстовых субтитров к арабским аудио- и видеоматериалам

Ограничения

В README указан WER 34,7; оценка выполнена на 600 примерах из трёх наборов данных и может не отражать качество на других аудио и диалектах.

Для каких профессий подходит9

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

Whisper base arabic

It achieves the following results on the evaluation set:

  • Loss: 0.44
  • Wer: 34.7

Training and evaluation data

Train set:

  • mozilla-foundation/common_voice_16_0 ar [train+validation]
  • BelalElhossany/mgb2_audios_transcriptions_non_overlap
  • nadsoft/Jordan-Audio

cross validation set: 600 samples in total from the 3 sets to save time during training as colab free tier was used to train the model. note: evaluate accuracy in the way you see fit.

Training procedure

removed arabic (حركات) from the texts. trained the model on the combined dataset for 6 epochs, the best one being the fifth so the model is basically the 5th epoch.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 32
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 1
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500

Training results

Training LossEpochStepValidation LossWer
0.4603114370.493145.8857
0.2867228740.449336.9973
0.2494343110.421943.5553
0.1435457480.440840.2351
0.1345571850.440734.7081

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
0a61996

0 моделей