/ Модель

Характеристики

Контекст
1 024 токена
Параметры
456 млн
Лицензия
Apache 2.0
Архитектура
whisper · dense
Базовая модель
whisper-medium
Опубликована
19 янв 2024

whisper_medium_tele

Распознавание речиАудио → текст

Дообученная на телефонной речи модель Whisper для автоматической расшифровки аудио в текст, ориентированная на корейский язык.

8скачиваний за 30 дней0лайковвеса обновлены19 янв 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

cwchoi/whisper_medium_tele — дообученная модель автоматического распознавания речи на основе openai/whisper-medium, разработанная cwchoi. Она предназначена для расшифровки телефонной речи в текст. В модели 455,8 млн параметров; архитектура Whisper, веса доступны в формате safetensors. Карточка связывает обучение с телефонным датасетом, а метаданные указывают корейский язык. Модель распространяется по лицензии Apache-2.0.

На указанном в README наборе оценки модель получила Loss 0.2818 и CER 100.1649. Такая высокая CER указывает на слабое качество распознавания в этой оценке; результаты не подтверждают надёжность для практического применения. Подробные сведения о вариантах использования, обучающих данных и ограничениях в карточке отсутствуют.

Сценарии применения

  • расшифровка корейских телефонных разговоров
  • преобразование телефонной речи в текст
  • экспериментальная оценка распознавания речи на телефонном датасете

Ограничения

На оценочном наборе указана CER 100.1649, что свидетельствует о крайне низком качестве распознавания в этой оценке. Подробные сведения о тестовом наборе и ограничениях не приведены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

whisper_medium_tele

This model is a fine-tuned version of openai/whisper-medium on the telephone dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2818
  • Cer: 100.1649

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-05
  • train_batch_size: 16
  • eval_batch_size: 4
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • training_steps: 4000

Training results

Training LossEpochStepValidation LossCer
0.33650.5610000.3299100.0
0.19561.1320000.297799.9842
0.17831.6930000.282299.9068
0.11852.2540000.2818100.1649

Framework versions

  • Transformers 4.37.0.dev0
  • Pytorch 2.1.1+cu121
  • Datasets 2.16.0
  • Tokenizers 0.15.0

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
23960e3

0 моделей