/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
whisper-base
Опубликована
5 апр 2024

whisper-base-th-1

Распознавание речиАудио → текст

Дообученная на тайской речи модель Whisper Base для автоматической транскрипции аудио в текст.

0скачиваний за 30 дней0лайковвеса обновлены6 апр 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 Thai — модель распознавания речи, дообученная на базе openai/whisper-base на тайской части датасета mozilla-foundation/common_voice_16_0. Она предназначена для преобразования аудиозаписей на тайском языке в текст и может использоваться для транскрибирования речи. В репозитории указана оценка на тестовой выборке: WER 44,5601 и loss 0,4390.

Модель основана на мультиязычном Whisper Base от OpenAI; веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Показатель WER указывает на заметные ошибки распознавания, поэтому качество транскрипции следует проверять для конкретных записей и условий.

Сценарии применения

  • транскрибирование тайской речи из аудиозаписей
  • распознавание тайской речи в записях Common Voice
  • создание черновых субтитров на тайском языке

Ограничения

На тестовой выборке указана WER 44,5601, поэтому распознанный текст может содержать существенные ошибки; качество на иных аудио и условиях записи не приведено.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Base Thai

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

  • Loss: 0.4390
  • Wer: 44.5601

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
0.83951.025000.728060.6811
0.78192.0310000.641456.1244
0.64564.0115000.594053.4778
0.60915.0320000.563352.0691
0.54657.0125000.538350.4822
0.54068.0230000.520049.5537
0.486310.0135000.504748.9992
0.469111.0240000.491947.9767
0.518313.045000.482347.6833
0.502514.0250000.473046.7202
0.542615.0355000.466146.3501
0.471317.0160000.459445.9985
0.427418.0365000.454645.6061
0.424820.0170000.450045.3598
0.440421.0375000.446745.1097
0.414423.0180000.443844.8411
0.400424.0285000.441644.6938
0.416526.090000.440344.6443
0.421827.0295000.439344.5750
0.45328.03100000.439044.5601

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
f43d4e2

0 моделей