/ Модель

Характеристики

Контекст
1 024 токена
Параметры
29,4 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-tiny
Библиотека
transformers
Опубликована
31 авг 2024

whisper-tiny-myanmar

Распознавание речиАудио → текст3 профессии

Компактная версия Whisper Tiny, дообученная для распознавания бирманской речи и транскрибации аудио.

37скачиваний за 30 дней2лайкавеса обновлены31 авг 2024

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-tiny-myanmar — дообученная Chuu Htet Naing версия модели OpenAI Whisper Tiny для распознавания бирманской речи и её преобразования в текст. Она основана на WhisperForConditionalGeneration и обучена на датасете chuuhtetnaing/myanmar-speech-dataset-openslr-80. Модель содержит 29,4 млн параметров и принимает аудио, выдавая текст.

На оценочном наборе указаны loss 0,2353 и WER 61,8878; высокий WER указывает на существенные ошибки распознавания. Репозиторий распространяет веса в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • Транскрибация записей речи на бирманском языке
  • Распознавание бирманской речи в аудиозаписях
  • Преобразование бирманских речевых данных в текст

Ограничения

На оценочном наборе WER составляет 61,8878, что указывает на заметные ошибки распознавания. Результаты могут зависеть от качества записи и соответствия аудио обучающему датасету.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper-tiny-myanmar

This model is a fine-tuned version of openai/whisper-tiny on the chuuhtetnaing/myanmar-speech-dataset-openslr-80 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2353
  • Wer: 61.8878

Usage

from datasets import Audio, load_dataset
from transformers import pipeline

# Load a sample audio
dataset = load_dataset("chuuhtetnaing/myanmar-speech-dataset-openslr-80")
dataset = dataset.cast_column("audio", Audio(sampling_rate=16000))
test_dataset = dataset['test']
input_speech = test_dataset[42]['audio']

pipe = pipeline(model='chuuhtetnaing/whisper-tiny-myanmar')

output = pipe(input_speech, generate_kwargs={"language": "myanmar", "task": "transcribe"})
print(output['text']) # ကျွန်မ ပြည်ပ မှာ ပညာ သင် တော့ စာမြီးပွဲ ကို တပတ်တခါ စစ်တယ်

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0003
  • train_batch_size: 128
  • eval_batch_size: 128
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 200
  • num_epochs: 30
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
No log1.0181.2679357.6135
1.4832.0361.0660102.5378
1.07033.0540.9530106.3669
1.07034.0720.8399100.5343
0.89515.0900.7728107.6581
0.78576.01080.7143107.5245
0.66147.01260.5174104.4078
0.66148.01440.300490.3384
0.35199.01620.244782.4577
0.216510.01800.233383.8825
0.216511.01980.202277.0258
0.153212.02160.175973.0632
0.103913.02340.185272.0837
0.067514.02520.190271.2823
0.067515.02700.188270.5254
0.051716.02880.200269.7240
0.052217.03060.196567.7649
0.052218.03240.193568.2102
0.040419.03420.213267.9430
0.030820.03600.211066.6963
0.023621.03780.214165.9394
0.023622.03960.220064.4702
0.011623.04140.222763.4016
0.005524.04320.224464.1585
0.002525.04500.225462.4666
0.002526.04680.228263.1790
0.000627.04860.232061.7097
0.000228.05040.234262.0659
0.000229.05220.235062.0214
0.000130.05400.235361.8878

Framework versions

  • Transformers 4.35.2
  • Pytorch 2.1.1+cu121
  • Datasets 2.14.5
  • Tokenizers 0.15.1

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
cbe5f88

0 моделей