/ Модель

Характеристики

Параметры
905 млн
Размер весов
6,2 ГБ
Архитектура
whisper · dense
Базовая модель
whisper-large-v3
Библиотека
transformers
Опубликована
2 дек 2024

whisper-large-v3-bn-cv17

Распознавание речиАудио → текст9 профессий

Дообученная версия Whisper large-v3 для распознавания речи и транскрибации аудио в текст.

3 274скачиваний за 30 дней0лайковвеса обновлены18 ноя 2025

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-large-v3-bn-cv17 — модель распознавания речи, дообученная разработчиком на базе openai/whisper-large-v3 на наборе Common Voice 17.0 и данных IIT Madras SPRING-INX. Она предназначена для преобразования речи в текст; архитектура Whisper содержит около 905,2 млн параметров. На оценочном наборе указаны loss 0,0669 и WER 30,8364. Лицензия модели в предоставленных данных не указана.

Сценарии применения

  • транскрибация записей речи
  • распознавание речи на данных Common Voice
  • преобразование аудиозаписей в текст

Ограничения

На оценочном наборе указан WER 30,8364; качество может зависеть от языка, акцента и условий записи. Язык дообучения и лицензия в предоставленных данных не определены.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-large-v3-bn-cv17

This model is a fine-tuned version of openai/whisper-large-v3 on the common_voice_17_0 dataset. And IIT Madras SPRING-INX Data. It achieves the following results on the evaluation set:

  • Loss: 0.0669
  • Wer: 30.8364

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: constant_with_warmup
  • lr_scheduler_warmup_steps: 500
  • training_steps: 5000

Training results

Training LossEpochStepValidation LossWer
0.12290.26185000.1370109.1423
0.0970.523610000.100541.9964
0.08530.785315000.085232.2293
0.04721.047120000.078656.4450
0.05031.308925000.074687.3848
0.04791.570730000.071630.8487
0.05111.832535000.066532.1765
0.02942.094240000.071048.9811
0.032.356045000.069552.9004
0.03332.617850000.066930.8364

Framework versions

  • Transformers 4.46.3
  • Pytorch 2.4.0
  • Datasets 3.1.0
  • Tokenizers 0.20.3

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
e0e1e6d

0 моделей