/ Модель

Характеристики

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

whisper-large-hy-2

Распознавание речиАудио → текст5 профессий

Дообученная на Common Voice 11.0 модель Whisper-large-v2 для распознавания армянской речи и преобразования аудио в текст.

2 156скачиваний за 30 дней0лайковвеса обновлены19 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

arampacha/whisper-large-hy — дообученная модель распознавания речи на основе openai/whisper-large-v2, разработанная автором репозитория arampacha. Модель предназначена для преобразования аудиозаписей в текст; в карточке указана оценка WER 19,9869 на наборе Common Voice 11.0.

Модель относится к семейству Whisper, использует архитектуру WhisperForConditionalGeneration и содержит около 905,2 млн параметров. Она принимает аудио и выдаёт текст; языковой тег hy указывает на армянский язык. Обучение проводилось на Common Voice 11.0, а метаданные также связывают модель с набором Google Fleurs.

Репозиторий распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не содержит подробностей о сценариях использования и ограничениях качества, кроме приведённой оценки на тестовом наборе; результаты на других данных могут отличаться.

Сценарии применения

  • расшифровка армянских аудиозаписей
  • транскрибация армянской речи
  • создание текстовых субтитров для армянских аудио и видео
  • распознавание речи в голосовых сообщениях на армянском

Ограничения

В README приведён WER 19,9869 на оценочном наборе, но нет сведений о качестве на других источниках аудио или условиях записи; на таких данных точность может отличаться.

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-base-hy

This model is a fine-tuned version of openai/whisper-large-v2 on the Common Voice 11.0 dataset. It achieves the following results on the evaluation set:

  • eval_loss: 0.1806
  • eval_wer: 19.9869
  • eval_runtime: 1358.6954
  • eval_samples_per_second: 0.292
  • eval_steps_per_second: 0.074
  • epoch: 13.33
  • step: 3000

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: 4
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 16
  • total_train_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 400
  • training_steps: 4000
  • mixed_precision_training: Native AMP

Framework versions

  • Transformers 4.26.0.dev0
  • Pytorch 1.13.1+cu117
  • 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
3d87b80

0 моделей