/ Модель

Характеристики

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

whisper-base-id-1

Распознавание речиАудио → текст8 профессий

Дообученная версия Whisper Base для распознавания индонезийской речи в аудио.

7скачиваний за 30 дней0лайковвеса обновлены17 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 Indonesian — дообученная модель OpenAI Whisper Base, созданная для распознавания индонезийской речи в аудио. Она основана на архитектуре Whisper и содержит 51,7 млн параметров. Модель обучена на индонезийской части Common Voice 16.0 и предназначена для преобразования речи в текст.

На тестовой выборке указаны loss 0,4198 и WER 26,6078. Это значение WER следует учитывать при оценке пригодности модели для конкретной аудиозаписи и сценария. Модель принимает аудио и выдаёт распознанный текст; лицензия — Apache 2.0.

Сценарии применения

  • Транскрибация индонезийских голосовых записей
  • Распознавание индонезийской речи в пользовательских аудиозаписях
  • Создание субтитров для индонезийских аудио- и видеоматериалов
  • Подготовка текстовых расшифровок индонезийских записей для поиска

Ограничения

В README указана оценка WER 26,6078 на тестовой выборке; качество на других данных и в иных акустических условиях может отличаться.

Для каких профессий подходит8

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 Indonesian

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

  • Loss: 0.4198
  • Wer: 26.6078

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
0.82384.015000.640037.9750
0.63489.0110000.519332.2477
0.487914.015000.482930.7250
0.451819.020000.464529.7037
0.425323.0125000.451328.8757
0.447128.0130000.440928.0937
0.371333.0135000.434727.7854
0.323338.040000.430727.6382
0.315243.045000.428027.5324
0.315247.0150000.424527.2196
0.33352.0155000.422726.9942
0.25757.060000.421726.9620
0.2562.065000.421426.8148
0.258766.0170000.420626.7550
0.276571.0175000.419826.6998
0.266476.0180000.419826.6216
0.22381.085000.419926.6446
0.230986.090000.419926.6538
0.23390.0195000.419826.6078
0.264795.01100000.419826.6216

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
555f8bb

0 моделей