/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Библиотека
transformers
Опубликована
10 фев 2025

Ссылки

Hugging Face

whisper_med_alex.en

crossdelenna
Распознавание речиАудио → текст9 профессий

Дообученная англоязычная модель Whisper для преобразования аудиозаписей в текст.

109скачиваний за 30 дней0лайковвеса обновлены23 фев 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.

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

crossdelenna/whisper_med_alex.en — дообученная модель распознавания речи на базе Whisper, опубликованная пользователем crossdelenna. Она предназначена для преобразования аудио в текст; название указывает на английскую версию, а карточка сообщает о дообучении на наборе данных, который не описан. Архитектура — WhisperForConditionalGeneration, размер — 455,8 млн параметров; для работы используется Transformers, веса опубликованы в формате safetensors.

В README приведён результат оценки WER 5,3233 и loss 0,0002, однако набор данных и условия оценки не раскрыты, поэтому эти цифры не позволяют надёжно судить о качестве на других аудиозаписях. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • расшифровка английской речи из аудиозаписей
  • создание текстовых транскриптов разговоров
  • распознавание речи в голосовых сообщениях

Ограничения

Данные обучения и условия оценки WER в карточке не раскрыты, поэтому результат оценки нельзя уверенно переносить на другие типы аудио.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

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

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper_med_alex.en

This model is a fine-tuned version of crossdelenna/whisper_med_alex.en on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0002
  • Wer: 5.3233

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-06
  • train_batch_size: 24
  • eval_batch_size: 20
  • 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: linear
  • lr_scheduler_warmup_steps: 10
  • training_steps: 7501
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossWer
0.32022.60873000.124810.6277
0.10065.21746000.02876.0217
0.02977.82619000.01275.0118
0.013510.434812000.00416.0500
0.004813.043515000.00255.5970
0.003415.652218000.00225.5687
0.002718.260921000.00155.3610
0.001820.869624000.00125.2950
0.001623.478327000.00115.3044
0.001326.087030000.00095.2761
0.001128.695733000.00085.2478
0.000931.304336000.00065.3044
0.000833.913039000.00055.3044
0.000736.521742000.00055.2855
0.000639.130445000.00045.3327
0.000541.739148000.00045.3705
0.000544.347851000.00045.3516
0.000546.956554000.00035.2855
0.000449.565257000.00035.3327
0.000452.173960000.00035.2950
0.000354.782663000.00025.2950
0.000357.391366000.00025.3327
0.000360.069000.00025.3138
0.000262.608772000.00025.3233
0.000265.217475000.00025.3233

Framework versions

  • Transformers 4.48.3
  • Pytorch 2.5.1+cu124
  • Datasets 3.3.2
  • Tokenizers 0.21.0

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
fa3c241

0 моделей

    Создать бенчмарк