/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Опубликована
20 ноя 2023

bangla-ASR-v5

Распознавание речиАудио → текст6 профессий

Дообученная на Common Voice 13 модель Whisper распознаёт бенгальскую речь и преобразует аудио в текст.

8 199скачиваний за 30 дней0лайковвеса обновлены20 ноя 2023

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

arif11/bangla-ASR-v5 — модель автоматического распознавания речи на бенгальском языке, созданная дообучением openai/whisper-small на наборе Mozilla Common Voice 13. Это модель семейства Whisper с архитектурой WhisperForConditionalGeneration и 153,1 млн параметров; она принимает аудио и выдаёт текстовую транскрипцию.

Модель предназначена для преобразования бенгальской речи в текст, в том числе для транскрибирования записей и аудио из голосовых сервисов. В README приведены результаты оценки на тестовой выборке: loss 0,1503 и WER 36,6982. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибирование бенгальских аудиозаписей
  • распознавание речи в голосовых сообщениях на бенгальском языке
  • создание субтитров для бенгальских аудио- и видеозаписей

Ограничения

На тестовой выборке README сообщает WER 36,6982; качество распознавания может быть ограниченным. Данные о применении вне бенгальской речи в карточке не приведены.

Для каких профессий подходит6

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 in Bangla

This model is a fine-tuned version of openai/whisper-small on the Common Voice 13 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1503
  • Wer: 36.6982

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: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: constant_with_warmup
  • lr_scheduler_warmup_steps: 50
  • training_steps: 1000

Training results

Training LossEpochStepValidation LossWer
0.02190.275000.157636.7659
0.03170.5310000.150336.6982

Framework versions

  • Transformers 4.31.0
  • Pytorch 2.0.0
  • Datasets 2.14.2
  • Tokenizers 0.13.3

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
a0875fa

0 моделей