/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Опубликована
20 дек 2022

Ссылки

Hugging Face

whisper-large-v2-mn-13

bayartsogt
Распознавание речиАудио → текст6 профессий

Дообученная версия Whisper large-v2 для распознавания монгольской речи и её преобразования в текст.

482скачиваний за 30 дней9лайковвеса обновлены22 дек 2022

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.

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

bayartsogt/whisper-large-v2-mn-13 — дообученная модель семейства Whisper от OpenAI, созданная автором bayartsogt на базе openai/whisper-large-v2 для распознавания речи на монгольском языке. Это плотная модель архитектуры WhisperForConditionalGeneration с 905,2 млн параметров, принимающая аудио и преобразующая речь в текст. В метаданных указаны наборы Common Voice 11.0, FLEURS, ulaanbal-v0 и youtube-mongolian-v1; на оценочной выборке приведены WER 20,024 и CER 6,601.

Модель подходит для транскрибирования монгольской речи, в том числе записей из открытых речевых корпусов и видео. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. README не описывает подробные ограничения и сценарии применения; качество на других данных может отличаться от результатов на указанной оценочной выборке.

Сценарии применения

  • транскрибирование речи на монгольском языке
  • создание субтитров к монгольским видео
  • расшифровка монгольских аудиозаписей
  • подготовка текстовых данных из монгольской речи

Ограничения

В README приведены метрики только для одной оценочной выборки (WER 20,024; CER 6,601), поэтому они не гарантируют аналогичное качество на других данных. Подробные ограничения и условия оптимального применения не описаны.

Для каких профессий подходит6

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 923моделиI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-large-v2-mn-13

This model is a fine-tuned version of openai/whisper-large-v2 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1689
  • Wer: 20.0240
  • Cer: 6.6010

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-05
  • train_batch_size: 8
  • eval_batch_size: 4
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 25000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepCerValidation LossWer
0.39210.09100015.78450.410146.9030
0.31150.17200014.29110.335341.8451
0.26590.26300011.81310.280034.6406
0.24770.35400010.66590.257832.0024
0.22740.43500010.04600.246330.3419
0.20590.5260009.92640.230528.5558
0.20920.6170009.42770.219627.8785
0.19560.6980009.27450.209326.8353
0.1950.7890008.94850.204226.6168
0.1950.87100008.53240.200125.6718
0.17950.95110008.17860.193624.1698
0.15751.04120007.86530.191523.8912
0.13581.13130007.67490.191823.3778
0.15091.21140007.72210.185223.1811
0.14741.3150007.32460.176422.4984
0.14611.39160007.31870.179322.4110
0.1341.47170007.11230.173721.9412
0.12891.56180007.45930.172722.0614
0.12871.65190007.02300.170121.4223
0.11961.73200006.94470.166621.2475
0.12751.82210006.79560.165320.8106
0.13291.91220006.77290.162220.3354
0.12941.99230006.64480.160620.2207
0.10432.08240006.60100.168920.0240
0.0792.17250006.62460.168720.1005

Framework versions

  • Transformers 4.26.0.dev0
  • Pytorch 1.13.1+cu117
  • Datasets 2.8.1.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
8042609

0 моделей

    Создать бенчмарк