/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
whisper-base
Опубликована
14 фев 2024

whisper-base-vi-1

Распознавание речиАудио → текст

Дообученная на вьетнамской речи модель Whisper Base для автоматической транскрибации аудио.

0скачиваний за 30 дней0лайковвеса обновлены14 фев 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 Vietnamese — модель распознавания речи, созданная дообучением openai/whisper-base на вьетнамской части набора Mozilla Common Voice 16.0. Она принимает аудио и выдаёт распознанный текст на вьетнамском языке.

Модель предназначена для автоматической транскрибации вьетнамской речи. В README приведён результат на оценочной выборке: WER 37,8024 и loss 0,7770. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • транскрибация записей на вьетнамском языке
  • распознавание вьетнамской речи в аудиозаписях
  • создание текстовых расшифровок вьетнамских аудиоматериалов

Ограничения

В README указана ошибка WER 37,8024 на оценочной выборке; качество может зависеть от условий записи и типа речи.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Base Vietnamese

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

  • Loss: 0.7770
  • Wer: 37.8024

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
0.604333.05000.903942.6408
0.283666.010000.776138.3106
0.159399.015000.777037.8024
0.0835133.020000.801937.8634
0.0395166.025000.831738.1582
0.0217199.030000.856338.2395
0.0146233.035000.874438.2801
0.0107266.040000.889338.4733
0.0082299.045000.903138.3310
0.0065333.050000.915538.4326
0.0053366.055000.926738.6156
0.0044399.060000.938138.7579
0.0037433.065000.948638.7782
0.0032466.070000.958039.0120
0.0028499.075000.966939.1441
0.0025533.080000.974739.1746
0.0022566.085000.981039.2864
0.0021599.090000.986639.2763
0.002633.095000.989939.3271
0.0019666.0100000.991139.3271

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
2e83dad

0 моделей