/ Модель

Характеристики

Контекст
1 024 токена
Параметры
905 млн
Лицензия
CC BY 4.0
Архитектура
whisper · dense
Опубликована
31 мар 2023

whisper-large-icelandic-10k-steps-1000h

Распознавание речиАудио → текст6 профессий

Модель Whisper Large, дообученная для распознавания исландской речи и её преобразования в текст.

54скачиваний за 30 дней10лайковвеса обновлены23 окт 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

Модель Whisper Large, дообученная Карлосом Даниэлем Эрнандесом Меной в Лаборатории языка и голоса Университета Рейкьявика для автоматического распознавания исландской речи. Для обучения использовано около 1000 часов данных, включая речь детей, парламентские выступления и речь изучающих исландский; часть материалов не опубликована.

Модель содержит около 905,2 млн параметров, использует архитектуру Whisper и доступна в формате PyTorch. Она принимает аудио и генерирует текстовую расшифровку на исландском языке. Лицензия — CC BY 4.0. В README приведён результат оценки 12,325, но метрика и условия тестирования не уточнены.

Сценарии применения

  • транскрибация исландских парламентских выступлений
  • распознавание речи детей на исландском языке
  • расшифровка речи изучающих исландский
  • транскрибация записей на исландском языке

Ограничения

Часть обучающих данных, относящаяся к речи изучающих исландский, не опубликована. Приведённый результат оценки нельзя интерпретировать без названия метрики и условий тестирования.

Для каких профессий подходит6

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-icelandic-10k-steps-1000h

The "whisper-large-icelandic-10k-steps-1000h" is an acoustic model suitable for Automatic Speech Recognition in Icelandic. It is the result of fine-tuning the model "openai/whisper-large" with around 1000 hours of Icelandic data developed by the Language and Voice Laboratory. Most of the data is available at public repositories such as LDC, OpenSLR or Clarin.is

The specific list of corpora used to fine-tune the model is:

The fine-tuning process was performed during March (2023) in the servers of the Language and Voice Laboratory (https://lvl.ru.is/) at Reykjavík University (Iceland) by Carlos Daniel Hernández Mena.

Evaluation

import torch
from transformers import WhisperForConditionalGeneration, WhisperProcessor

#Load the processor and model.
MODEL_NAME="carlosdanielhernandezmena/whisper-large-icelandic-10k-steps-1000h"
processor = WhisperProcessor.from_pretrained(MODEL_NAME)
model = WhisperForConditionalGeneration.from_pretrained(MODEL_NAME).to("cuda")

#Load the dataset
from datasets import load_dataset, load_metric, Audio
ds=load_dataset("language-and-voice-lab/samromur_children",split='test')

#Downsample to 16kHz
ds = ds.cast_column("audio", Audio(sampling_rate=16_000))

#Process the dataset
def map_to_pred(batch):
	audio = batch["audio"]
	input_features = processor(audio["array"], sampling_rate=audio["sampling_rate"], return_tensors="pt").input_features
	batch["reference"] = processor.tokenizer._normalize(batch['normalized_text'])

	with torch.no_grad():
		predicted_ids = model.generate(input_features.to("cuda"))[0]
	
	transcription = processor.decode(predicted_ids)
	batch["prediction"] = processor.tokenizer._normalize(transcription)
	
	return batch
	
#Do the evaluation
result = ds.map(map_to_pred)

#Compute the overall WER now.
from evaluate import load

wer = load("wer")
WER=100 * wer.compute(references=result["reference"], predictions=result["prediction"])
print(WER)

Test Result: 12.325364793542379

BibTeX entry and citation info

When publishing results based on these models please refer to:

@misc{mena2023whisperlarge10kicelandic,
      title={Acoustic Model in Icelandic: whisper-large-icelandic-10k-steps-1000h.}, 
      author={Hernandez Mena, Carlos Daniel},
      url={https://huggingface.co/carlosdanielhernandezmena/whisper-large-icelandic-10k-steps-1000h},
      year={2023}
}

Acknowledgements

Thanks to Jón Guðnason, head of the Language and Voice Lab for providing computational power to make this model possible. We also want to thank to the "Language Technology Programme for Icelandic 2019-2023" which is managed and coordinated by Almannarómur, and it is funded by the Icelandic Ministry of Education, Science and Culture.

Special thanks to Björn Ingi Stefánsson for setting up the configuration of the server where this model was trained.

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
465468b

0 моделей