/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
whisper-base
Опубликована
18 янв 2024

whisper-base-hi-1

Распознавание речиАудио → текст

Дообученная версия Whisper Base для распознавания речи на хинди и преобразования аудио в текст.

0скачиваний за 30 дней0лайковвеса обновлены19 янв 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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 Hindi — версия модели OpenAI Whisper Base, дообученная автором arun100 на наборе данных Mozilla Common Voice 16.0 для языка хинди. Она предназначена для автоматического распознавания речи и преобразования аудио на хинди в текст. Модель основана на архитектуре Whisper и распространяется в формате safetensors.

На оценочном наборе указаны loss 0,4926 и WER 27,4342. Эти результаты относятся к конкретному набору данных и не гарантируют такое же качество на других записях. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • транскрибация записей речи на хинди
  • распознавание хинди в аудиозаписях
  • подготовка субтитров к аудио на хинди

Ограничения

В карточке приведён WER 27,4342 на оценочном наборе Common Voice 16.0; качество может отличаться на других данных и условиях записи.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Base Hindi

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

  • Loss: 0.4926
  • Wer: 27.4342

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: 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: 2000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.5632.022000.627038.2146
0.31075.014000.469530.0641
0.15357.036000.454827.7139
0.084110.028000.492627.4342
0.035713.0110000.558528.1772
0.015215.0312000.624728.0687
0.006318.0214000.679628.1856
0.003621.016000.709728.2670
0.002923.0318000.727028.1960
0.002426.0120000.733628.2649

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

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
d8fcc0a

0 моделей