/ Модель

Характеристики

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

whisper-large-et-ERR2020-v2

Распознавание речиАудио → текст5 профессий

Дообученная версия Whisper large-v2 для распознавания эстонской речи и преобразования аудио в текст.

16скачиваний за 30 дней0лайковвеса обновлены30 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

agnesluhtaru/whisper-large-et-ERR2020-v2 — модель распознавания речи, созданная дообучением openai/whisper-large-v2. Она предназначена для преобразования аудио в текст; название модели указывает на эстонский язык и датасет ERR2020. В метаданных указаны архитектура WhisperForConditionalGeneration, 905,2 млн параметров и формат PyTorch. На оценочном наборе в карточке приведены Loss 0,2915 и WER 13,8640.

Модель распространяется по лицензии Apache-2.0. Карточка не описывает состав обучающих данных, условия оценки и ограничения применения, поэтому приведённые метрики нельзя напрямую переносить на другие аудио и сценарии.

Сценарии применения

  • транскрибация эстонских аудиозаписей
  • распознавание речи в эстонских радиопередачах
  • создание текстовых расшифровок аудио из ERR2020
  • автоматическое преобразование эстонской речи в текст

Ограничения

Карточка не раскрывает детали обучающих данных и протокола оценки; результат WER 13,8640 относится только к указанному оценочному набору и не гарантирует аналогичного качества на других аудиозаписях.

Для каких профессий подходит5

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-et-ERR2020-v2

This model is a fine-tuned version of openai/whisper-large-v2 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2915
  • Wer: 13.8640

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: 2
  • eval_batch_size: 1
  • seed: 42
  • gradient_accumulation_steps: 16
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 1000
  • training_steps: 10000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.21580.110000.320523.8154
0.08970.220000.296118.3340
0.07850.330000.283917.5230
0.06530.440000.284717.8752
0.05410.550000.290615.2645
0.05660.660000.284515.2081
0.0510.770000.288814.4668
0.0491.0380000.292715.3130
0.0441.1390000.291513.8640
0.03791.23100000.291316.5773

Framework versions

  • Transformers 4.26.0.dev0
  • Pytorch 1.12.1+rocm5.1.1
  • Datasets 2.7.1.dev0
  • 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
86a632f

0 моделей