/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
51,7 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-base-en-native
Опубликована
31 мая 2024

Ссылки

Hugging Face

whisper-base-specAug

Youssef1234
Распознавание речиАудио → текст

Дообученная англоязычная модель Whisper для преобразования речи в текст.

7скачиваний за 30 дней0лайковвеса обновлены31 мая 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-specAug — дообученная модель распознавания речи на базе Youssef1234/whisper-base-en-native. Она использует архитектуру WhisperForConditionalGeneration и содержит 51,7 млн параметров. Модель предназначена для преобразования входящей речи в текст; исходная модель указана как англоязычная, а датасет дообучения не описан.

На оценочном наборе указаны loss 0,3759 и WER 16,4211, однако сведения о наборе данных и условиях оценки отсутствуют, поэтому результаты нельзя напрямую переносить на другие записи. Модель опубликована в формате safetensors под лицензией Apache-2.0.

Сценарии применения

  • транскрибация англоязычных аудиозаписей
  • распознавание речи в аудиофайлах
  • получение текстовых расшифровок интервью и записей

Ограничения

Датасет дообучения и условия оценки не описаны, поэтому указанный WER нельзя уверенно обобщать на другие данные. Карточка не сообщает об устойчивости к шуму, акцентам или другим языкам.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-base-specAug

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

  • Loss: 0.3759
  • Wer: 16.4211

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: 1

Training results

Training LossEpochStepValidation LossWer
0.06360.162000.340415.5724
0.04040.324000.363815.9867
0.03450.486000.375916.4211

Framework versions

  • Transformers 4.38.2
  • Pytorch 2.1.2
  • Datasets 2.19.0
  • Tokenizers 0.15.2

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
d617f21

0 моделей

    Создать бенчмарк