/ Модель

Характеристики

Параметры
905 млн
Лицензия
MIT
Архитектура
whisper · dense
Базовая модель
whisper-large-v3-turbo
Библиотека
transformers
Опубликована
6 окт 2024

whisper-large-v3-turbo-es

Распознавание речиАудио → текст9 профессий

Дообученная на испанской части Common Voice 17.0 модель Whisper для транскрибации испанской речи.

138скачиваний за 30 дней5лайковвеса 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

adriszmar/whisper-large-v3-turbo-es — дообученная модель распознавания речи, созданная на основе openai/whisper-large-v3-turbo и адаптированная к испанскому языку на испанской части Common Voice 17.0. Она использует архитектуру WhisperForConditionalGeneration и содержит 905,2 млн параметров; работает с аудио и выдаёт текстовую транскрипцию.

Модель предназначена для распознавания испанской речи. На тестовой выборке Common Voice 17.0 её показатель WER составил 5,34% против 6,91% у базовой модели. Результат относится к этой выборке и не гарантирует такую же точность на других аудиозаписях. Модель распространяется по лицензии MIT.

Сценарии применения

  • транскрибация записей испанской речи
  • распознавание испанской речи в пользовательских аудиозаписях
  • создание текстовых субтитров для испаноязычных аудио

Ограничения

Заявленное улучшение WER измерено только на тестовой выборке испанской части Common Voice 17.0; точность на иных аудио может отличаться. Описание не приводит результатов для других языков или условий записи.

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 Large V3 Turbo - Spanish

This model is a fine-tuned version of openai/whisper-large-v3-turbo on the Common Voice 17.0 dataset - spanish subset.

The fine-tuning process reduced the Word Error Rate (WER) from 6.91% to 5.34%, demonstrating significant improvement in transcription accuracy for spanish audios.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

The model was trained using the Common Voice 17.0 dataset - spanish subset (mozilla-foundation/common_voice_17_0). Both the base model, whisper-large-v3-turbo, and the fine-tuned model, whisper-large-v3-turbo-es, were evaluated using Word Error Rate (WER) on the test split of the same dataset. The results are as follows:

  • WER for whisper-large-v3-turbo (base): 6.91%
  • WER for whisper-large-v3-turbo-es (fine-tuned): 5.34%

This significant reduction in WER shows that fine-tuning the model for spanish audio led to improved transcription accuracy compared to the original base model.

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 64
  • 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: 5000
  • mixed_precision_training: Native AMP

Framework versions

  • Transformers 4.44.2
  • Pytorch 2.4.1+cu121
  • Tokenizers 0.19.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
b32b704

0 моделей