/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

whisper-medium-mn-10

bayartsogt
Распознавание речиАудио → текст7 профессий

Дообученная модель Whisper Medium для преобразования речи, включая монгольскую, в текст.

249скачиваний за 30 дней1лайквеса обновлены15 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

Модель bayartsogt/whisper-medium-mn-10 — дообученная версия Whisper Medium, разработанная на основе openai/whisper-medium для распознавания речи. Она принимает аудио и генерирует текст; в метаданных указаны датасеты Common Voice 11.0, FLEURS и два монгольских набора данных. Модель содержит 455,8 млн параметров и распространяется в формате PyTorch по лицензии Apache-2.0.

На оценочном наборе указаны WER 21,26 и CER 6,88. Модель предназначена прежде всего для автоматической транскрипции речи, в том числе монгольской. В README отсутствуют подробности о составе обучающих данных, рекомендуемых сценариях и ограничениях; показатели оценки сами по себе не гарантируют точность на других аудиозаписях.

Сценарии применения

  • транскрибация монгольской речи
  • распознавание монгольской речи в аудиозаписях
  • создание текстовых расшифровок речевых данных

Ограничения

В README не описаны ограничения применения и подробности обучающих данных. Указанные WER и CER получены на оценочном наборе и не гарантируют такое же качество на иных аудиозаписях.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделейI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-medium-mn-10

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

  • Loss: 0.2103
  • Wer: 21.2585
  • Cer: 6.8756

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: 8
  • 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: 40000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepCerValidation LossWer
0.41970.09100019.09470.446253.9600
0.32880.17200014.80160.346844.2102
0.27370.26300012.34710.302036.1700
0.25580.35400011.71710.282434.1709
0.24060.43500010.35510.259431.1230
0.2180.5260009.78150.245229.6865
0.22530.6170009.67120.234429.2932
0.20710.6980009.42610.228328.5067
0.20510.7890009.06560.222427.4033
0.20640.87100008.78510.213826.7206
0.1930.95110008.50210.208925.5790
0.15771.04120008.28730.207225.6118
0.13971.13130008.23680.204625.1147
0.15261.21140008.76150.206526.4638
0.14971.3150000.200424.48667.9588
0.15691.39160000.199024.22447.9554
0.14161.47170000.200124.22987.8754
0.13711.56180000.193223.60727.8072
0.13791.65190000.191623.13207.5452
0.13051.73200000.188023.11017.4290
0.13951.82210000.187722.98457.4635
0.14181.91220000.186222.90807.5907
0.14321.99230000.184722.71147.4290
0.09652.08240000.193121.73917.0399
0.07232.17250000.196122.32367.2698
0.07732.25260000.197722.05057.0752
0.08622.34270000.195921.95227.0820
0.07392.43280000.198221.77197.1494
0.08432.51290000.196321.89217.1241
0.07342.6300000.198021.78837.1317
0.07852.69310000.195521.87577.1948
0.06912.77320000.197821.74467.0938
0.08342.86330000.195321.32407.0121
0.06752.95340000.195821.77197.0769
0.0423.03350000.205321.34046.9624
0.04743.12360000.209721.55347.0306
0.04283.21370000.210721.31856.9809
0.03433.29380000.211121.38966.9514
0.03783.38390000.210321.25856.8756
0.03613.47400000.210621.36776.9009

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
634bc85

0 моделей

    Создать бенчмарк