Характеристики

Контекст: 1 024 токена
Параметры: 905 млн
Архитектура: whisper · dense
Опубликована: 14 дек 2022

Ссылки

Hugging Face

whisper-large-v2-pl-v2

bardsai

Распознавание речиАудио → текст7 профессий

Дообученная версия Whisper Large v2 для распознавания польской речи и преобразования аудиозаписей в текст.

76скачиваний за 30 дней6лайковвеса обновлены18 янв 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

bardsai/whisper-large-v2-pl-v2 — дообученная BardsAI версия Whisper Large v2 для автоматического распознавания польской речи. Модель построена на архитектуре Whisper и содержит 905,2 млн параметров; она принимает аудио и выдаёт распознанный текст.

Модель дообучена на Common Voice 11.0 и FLEURS. В карточке приведены результаты оценки: loss 0,3684 и WER 7,2802. Она подходит для транскрибирования польской речи, в том числе записей, похожих на данные этих наборов. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.

Сценарии применения

транскрибирование записей на польском языке
распознавание польской речи в голосовых сообщениях
создание текстовых расшифровок польских аудиозаписей

Ограничения

Оценочные результаты приведены для тестового набора Common Voice 11.0 и FLEURS и могут не отражать качество на других типах аудио. Лицензия в предоставленных данных не указана.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей I.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Whisper Large v2 PL

This model is a fine-tuned version of bardsai/whisper-large-v2-pl on the Common Voice 11.0 and the FLEURS datasets. It achieves the following results on the evaluation set:

Loss: 0.3684
Wer: 7.2802

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 1e-05
train_batch_size: 8
eval_batch_size: 4
seed: 42
gradient_accumulation_steps: 8
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: 2100
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer
0.0047	1.35	700	0.3428	8.5562
0.0011	2.7	1400	0.3605	7.5505
0.0003	4.05	2100	0.3684	7.2802

Framework versions

Transformers 4.26.0.dev0
Pytorch 1.13.0+cu117
Datasets 2.7.1.dev0
Tokenizers 0.13.2

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: e469ecc