/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-small
Опубликована
11 фев 2024

whisper-small-fa-2

Распознавание речиАудио → текст

Дообученная версия Whisper Small для распознавания персидской речи и её транскрибирования в текст.

6скачиваний за 30 дней0лайковвеса обновлены12 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 Small Persian Iranian — модель распознавания речи на персидском языке, созданная дообучением openai/whisper-small на датасете персидской версии Mozilla Common Voice 16.0. Это плотная encoder-decoder модель семейства Whisper с архитектурой WhisperForConditionalGeneration и 153,1 млн параметров; она принимает аудио и преобразует речь в текст. В README указаны результаты на тестовой выборке: loss 0,4858 и WER 39,7201.

Модель предназначена для транскрибирования персидской речи, в том числе записей, похожих на примеры из Common Voice. Базовая Whisper Small также поддерживает многоязычное распознавание и перевод аудио на английский, однако карточка этой версии подтверждает дообучение именно для персидского языка. Модель распространяется по лицензии Apache-2.0. Указанный WER около 39,72% показывает, что распознавание может содержать существенные ошибки; README не описывает ограничения по условиям записи или сценариям применения.

Сценарии применения

  • транскрибирование персидских аудиозаписей
  • распознавание персидской речи в записях Common Voice
  • создание черновых субтитров на персидском языке

Ограничения

На оценочной выборке указан WER 39,7201, поэтому транскрипции могут содержать существенные ошибки. Результаты для других языков и условий записи в карточке не приведены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Small Persian Iranian

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

  • Loss: 0.4858
  • Wer: 39.7201

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: 50
  • training_steps: 5000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.45311.035000.644850.7393
0.40313.010000.575546.5001
0.27454.0415000.538943.7190
0.3366.020000.516642.4056
0.24297.0425000.504541.1810
0.28529.0130000.494140.6444
0.221710.0435000.488840.1106
0.238412.0140000.487339.9208
0.188913.0445000.485839.7201
0.220215.0150000.488839.7228

Framework versions

  • Transformers 4.38.0.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
65c108b

0 моделей