/ Модель

Характеристики

Контекст
1 024 токена
Параметры
905 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-large-v2
Опубликована
10 мар 2023

whisper-large-v2-Ko

Распознавание речиАудио → текст5 профессий

Дообученная на корейских данных модель Whisper large-v2 для распознавания речи и транскрибации аудио на корейском языке.

25скачиваний за 30 дней24лайкавеса обновлены16 сен 2023

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

byoussef/whisper-large-v2-Ko — дообученная модель распознавания речи на основе openai/whisper-large-v2, опубликованная в формате PyTorch и Safetensors. Она предназначена для преобразования корейской речи в текст. В метаданных указан набор данных Bingsu/zeroth-korean; в README приведён результат WER 2,9 на оценочной выборке, но методика оценки не описана. Модель содержит 905,2 млн параметров и использует архитектуру WhisperForConditionalGeneration.

Базовая модель поддерживает транскрибацию аудио и перевод речи; эта версия специализируется на корейском языке. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает ограничения, условия записи аудио или качество на других наборах данных.

Сценарии применения

  • транскрибация корейской речи в текст
  • распознавание речи в корейских аудиозаписях
  • создание текстовых расшифровок корейских разговоров

Ограничения

README не приводит подробностей о качестве вне оценочной выборки, условиях записи или известных ограничениях; указанное значение WER 2,9 сопровождается без описания методики оценки.

Для каких профессий подходит5

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-v2-Ko

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: 0.0617
  • Wer: 2.9

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

***** train metrics *****
epoch = 50.0
train_loss = 0.0234
train_runtime = 16:20:18.00
train_samples = 22262
train_samples_per_second = 19.042
train_steps_per_second = 0.085

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 32
  • eval_batch_size: 16
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 7
  • total_train_batch_size: 224
  • total_eval_batch_size: 112
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 5000
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.029910.010000.07450.0447
0.008520.020000.06080.0353
0.003630.030000.05930.0302
0.001340.040000.06090.0282
0.000850.050000.06170.0290

Framework versions

  • Transformers 4.27.0.dev0
  • Pytorch 1.12.1+cu113
  • Datasets 2.10.1
  • 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
8a4d7f7

0 моделей