/ Модель

Характеристики

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

whisper-base-ar-1

Распознавание речиАудио → текст

Дообученная на арабской речи модель Whisper Base для автоматической транскрипции аудио.

7скачиваний за 30 дней0лайковвеса обновлены8 фев 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

Whisper Base Arabic — модель автоматического распознавания речи, созданная дообучением openai/whisper-base на арабской части набора Mozilla Common Voice 16.0. Это плотная encoder-decoder-модель архитектуры Whisper с 51,7 млн параметров, принимающая аудио и выдающая текст; репозиторий содержит веса в формате safetensors.

Модель предназначена для транскрибирования арабской речи, в том числе записей, подобных материалам Common Voice. В README приведена оценка WER 80,4777 и loss 0,5856 на наборе оценки, что указывает на существенные ограничения точности распознавания. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибирование арабской речи из аудиозаписей
  • распознавание арабской речи в записях для Common Voice
  • подготовка черновых текстовых расшифровок арабского аудио

Ограничения

На тестовом наборе указана высокая WER 80,4777, поэтому качество распознавания может быть низким и требует проверки для целевого сценария. Оценка приведена для набора оценки Common Voice 16.0.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Base Arabic

This model is a fine-tuned version of openai/whisper-base on the mozilla-foundation/common_voice_16_0 ar dataset. It achieves the following results on the evaluation set:

  • Loss: 0.5856
  • Wer: 80.4777

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: 5e-07
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • gradient_accumulation_steps: 2
  • 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: 500
  • training_steps: 10000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.73921.535000.8623100.8133
0.59383.0710000.739793.6651
0.53884.615000.695392.3005
0.49826.1320000.668288.9392
0.47957.6725000.651290.1524
0.44839.230000.637387.1234
0.437410.7435000.626185.3144
0.433112.2740000.617986.4290
0.412513.845000.610683.2865
0.398415.3450000.605983.0676
0.403516.8755000.600882.2165
0.399718.460000.597081.1195
0.387819.9465000.594181.7153
0.382721.4770000.590681.2559
0.378523.0175000.589281.0506
0.37224.5480000.588281.4248
0.365526.0785000.586581.0479
0.369727.6190000.585680.4777
0.365829.1495000.584980.6128
0.353930.67100000.584880.6696

Framework versions

  • Transformers 4.37.0.dev0
  • Pytorch 2.1.2+cu121
  • Datasets 2.16.2.dev0
  • Tokenizers 0.15.0

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
b24ec72

0 моделей