/ Модель

Характеристики

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

whisper-base-bn-3

Распознавание речиАудио → текст6 профессий

Дообученная на бенгальской речи модель Whisper для преобразования аудио в текстовую расшифровку.

6скачиваний за 30 дней0лайковвеса обновлены25 янв 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

arun100/whisper-base-bn-3 — модель автоматического распознавания речи на архитектуре Whisper, дообученная на бенгальской части набора Mozilla Common Voice 16.0. Она принимает аудио и генерирует текстовую расшифровку; размер модели составляет 51,7 млн параметров. В оценке на тестовом наборе указаны loss 0,2151 и WER 29,9236.

Модель подходит для транскрибации бенгальской речи, в том числе записей, близких по характеру к данным Common Voice. Это дообученная версия arun100/whisper-base-bn, распространяемая в формате Safetensors по лицензии Apache-2.0. Показатель WER указывает, что расшифровки могут содержать ошибки; сведений о поведении на других языках и типах аудио в карточке нет.

Сценарии применения

  • транскрибация записей на бенгальском языке
  • распознавание бенгальской речи из пользовательских аудиозаписей
  • подготовка текстовых расшифровок для наборов данных Common Voice

Ограничения

В оценке указана частота ошибок слов WER 29,9236; возможны ошибки распознавания. Данных о качестве на языках, кроме бенгальского, и на аудио вне обучающего домена карточка не приводит.

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 Base Bengali

This model is a fine-tuned version of arun100/whisper-base-bn on the mozilla-foundation/common_voice_16_0 bn dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2151
  • Wer: 29.9236

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-06
  • 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: 8500
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.24761.725000.275136.1695
0.22843.4310000.262235.1668
0.2135.1515000.252434.2022
0.20486.8620000.244733.5266
0.19488.5825000.238232.7495
0.185210.2930000.233432.2322
0.178912.0135000.229531.7244
0.173813.7240000.226031.2341
0.16615.4445000.223630.9562
0.162917.1550000.221430.8171
0.163618.8755000.219430.4368
0.157820.5860000.218130.2520
0.162822.365000.217030.1858
0.156624.0170000.216130.0694
0.156425.7375000.215629.9943
0.154527.4480000.215329.9294
0.154829.1685000.215129.9236

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
0c21c95

0 моделей