/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
51,7 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-base-en-early-stopping
Опубликована
26 мар 2024

Ссылки

Hugging Face

whisper-base-en-native

Youssef1234
Распознавание речиАудио → текст

Дообученная компактная модель Whisper для распознавания английской речи и создания транскрипций.

6скачиваний за 30 дней1лайквеса обновлены27 мар 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.

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

Youssef1234/whisper-base-en-native — дообученная модель семейства Whisper для автоматического распознавания речи и преобразования аудио в текст. Она содержит 51,7 млн параметров и предназначена для обработки английской речи; модель принимает аудио и выдаёт текстовую транскрипцию.

На оценочном наборе указаны loss 0,3798 и WER 16,5974. Данные обучения и подробности сценариев применения в карточке не раскрыты. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

  • транскрибация английских аудиозаписей
  • распознавание речи в англоязычных голосовых сообщениях
  • создание субтитров для английского видео

Ограничения

Набор данных обучения не указан, поэтому качество на конкретных типах аудио оценить нельзя. На оценочном наборе WER составляет 16,5974.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-base-en-native

This model is a fine-tuned version of Youssef1234/whisper-base-en-early-stopping on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.3798
  • Wer: 16.5974

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
  • num_epochs: 6

Training results

Training LossEpochStepValidation LossWer
0.20291.07740.334916.2199
0.09682.015480.363416.7856
0.04193.023220.379816.5974

Framework versions

  • Transformers 4.38.1
  • Pytorch 2.1.2
  • Datasets 2.18.0
  • Tokenizers 0.15.1

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
85cda32

0 моделей

    Создать бенчмарк